ASCII碼字符集

爲什麼有ASCII碼

計算機存儲和傳輸的數據必須是二進制,也就是說所有的信息都要轉換成0和1表示。在兩臺通信設備之間通信的時候，比如要傳輸字符a，發送設備把a編碼爲0和1組成的序列，併發送出去，接口設備如何正確地的理解這個0和1序列呢？這就像兩個人之間對話一樣，如果兩個人使用的是不同的語言，那麼他們會存在溝通障礙。同樣的地，計算機設備之間也需要統一的編碼標準，把字符編碼爲統一的0和1序列，發送之前進行二進制編碼， 接收的設備只要按照相同的規則解析，就可以讀取出來信息了。統一的編碼方案成爲信息能夠正確存儲和傳輸的前提。

ASCII（American Standard Code for Information Interchange）美國信息交換標準代碼，它是對字母、數字、符號進行二進制編碼的標準。一個ASCII碼長度是一個字節，也就是8個bit，最高位是0作爲校驗位，其餘7位使用0和1進行組合，所以ASCII碼共有128個。這128個字符包含33個控制字符和95個可顯示字符。0-31以及127是控制字符，包含DEL刪除，BS退格，CR回車等。32-126是可顯示字符，其中32是回車，48-57是10個阿拉伯數字，65-90是26個大寫的英文字母，97-122是26個小寫的英文字母。

ASCII碼錶格

127個ASCII字符和數字是一一對應的關係，表格中展示的爲十進制表示，在計算機傳輸和存儲中，會把他們轉換爲二進制，比如數字0的十進制表示爲48，轉換爲二進制就是00110000，在不同的設備中互相傳輸的就是這個二進制序列。

ASCII值	ASCII字符	ASCII值	ASCII字符	ASCII值	ASCII字符	ASCII值	ASCII字符
0	NUT	32	(space)	64	@	96	、
1	SOH	33	!	65	A	97	a
2	STX	34	"	66	B	98	b
3	ETX	35	#	67	C	99	c
4	EOT	36	$	68	D	100	d
5	ENQ	37	%	69	E	101	e
6	ACK	38	&	70	F	102	f
7	BEL	39	,	71	G	103	g
8	BS	40	(	72	H	104	h
9	HT	41	)	73	I	105	i
10	LF	42	*	74	J	106	j
11	VT	43	+	75	K	107	k
12	FF	44	,	76	L	108	l
13	CR	45	-	77	M	109	m
14	SO	46	.	78	N	110	n
15	SI	47	/	79	O	111	o
16	DLE	48	0	80	P	112	p
17	DCI	49	1	81	Q	113	q
18	DC2	50	2	82	R	114	r
19	DC3	51	3	83	S	115	s
20	DC4	52	4	84	T	116	t
21	NAK	53	5	85	U	117	u
22	SYN	54	6	86	V	118	v
23	TB	55	7	87	W	119	w
24	CAN	56	8	88	X	120	x
25	EM	57	9	89	Y	121	y
26	SUB	58	:	90	Z	122	z
27	ESC	59	;	91	[	123	{
28	FS	60	<	92	/	124	|
29	GS	61	=	93	]	125	}
30	RS	62	>	94	^	126	`
31	US	63	?	95	_	127	DEL

ASCII字符侷限性

可以發現，ACSII字符最高位置0的情況下，最多表示128個字符，英文字符完全可以被編碼，如果是其他語言，字符數量多於127個如何表示呢？一些國家對ASCII碼做了擴展，讓最高位也參與編碼，這樣ASCII碼能表示的字符數量從128個上升到256個，這種編碼ASCII也被成爲擴展ASCII編碼。

然而，擴展ASCII編碼仍然有很大侷限性，世界上有很多中語言文字，每種語言的字符數量不一，256個依然是不夠用的。漢字的數量大約接近十萬個，常用漢字大約六千個，如何實現漢字編碼呢？此類情況，其他語言也是存在。每個國家都將自己的語言編碼爲某個標準，標準不統一，導致計算機設備在傳輸信息過程中出現亂碼。Unicode編碼的出現，它採用兩個字節對接字符編碼，理論上可以有256*256=65536個字符，解決了編碼數量過少問題，同時，它也是通用的編碼標準，避免了信息傳輸中亂碼問題。

Unicode標準成爲了國際認可的編碼標準，但在推廣過程中受到歐美國家的反對，他們的理由很簡單，在ASCII編碼體系下，他們字符編碼僅僅需要一個字節，而Unicode採用了兩個字節，存儲空間佔用直接變爲兩倍，同時他們所有的文本處理程序都需要重寫，工作量很大，如果採用兩個字節編碼他們是無法接受的。互聯網的普及強烈要求統一的編碼格式，utf-8編碼後來成爲了通用編碼方式。它採用變長編碼，使用1-4個字節表示一個符號，根據符號的不同，變化字節長度。對於ASCII碼，它在utf-8中的編碼保持不變，仍是一個字節，原來處理ASCII字符的程序幾乎不需要改變，可以繼續使用。但對於中文來說，中文字符在utf-8中佔用3個字節，在Unicode標準中需要兩個字節，使用utf-8編碼後，中文信息傳輸佔用的流量變爲1.5倍。