一次搞定 Unicode、字節序、UTF-*

時間 2020-11-15

標籤 html node git es6 github shell 瀏覽器網絡數據結構工具欄目字符編碼简体版

原文原文鏈接

前置閱讀：html

什麼是字符集

顧名思義，字符集就是字符的集合。node

什麼是 ASCII

ASCII ((American Standard Code for Information Interchange): 美國信息交換標準代碼）是基於拉丁字母的一套電腦編碼系統，主要用於顯示現代英語和其餘西歐語言。git

在計算機中，全部的數據在存儲和運算時都要使用二進制數表示（由於計算機用高電平和低電平分別表示1和0），例如，像 a、b、c、d 這樣的 52 個字母（包括大寫）以及 0、1 等數字還有一些經常使用的符號（例如 *、#、@ 等）
既然要使用二進制數來表示字符，那具體用哪些二進制數字表示哪一個符號，固然每一個人均可以約定本身的一套（這就叫編碼），而你們若是要想互相通訊而不形成混亂，那麼你們就必須使用相同的編碼規則，因而美國有關的標準化組織就出臺了 ASCII 編碼，統一規定了上述經常使用符號用哪些二進制數來表示。es6

美國信息交換標準代碼是由美國國家標準學會(American National Standard Institute , ANSI ) 制定的，是一種標準的單字節字符編碼方案，用於基於文本的數據。
它最初是美國國家標準，供不一樣計算機在相互通訊時用做共同遵照的西文字符編碼標準，後來它被國際標準化組織（International Organization for Standardization, ISO）定爲國際標準，稱爲 ISO 646 標準。github

簡單的說 ASCII 碼錶就是一套最基礎的編碼庫或字符集，裏面包括了字母、數字、符號以及一些控制字符。shell

什麼是 Unicode

Unicode 是國際組織制定的能夠容納世界上全部文字和符號的字符編碼方案，經過 Unicode 編碼規則出來的字符的集合便叫作 Unicode 字符集。瀏覽器

計算機只能處理數字（0、1），若是要處理文本，就必須先把文本轉換爲數字才能處理。最先的計算機在設計時採用 8 個比特（bit）做爲一個字節（byte）。
一個字節能表示的最大的整數就是 255（2⁸-1=255），而 ASCII 編碼，佔用 0 ~ 127 用來表示大小寫英文字母、數字和一些符號，這個編碼表被稱爲 ASCII 編碼，好比大寫字母 A 的編碼是 65，小寫字母 z 的編碼是 122。網絡

若是要表示中文，顯然一個字節是不夠的，至少須要兩個字節，並且還不能和 ASCII 編碼衝突，因此，中國製定了 GB2312 編碼，用來把中文編進去。
相似的，日文和韓文等其餘語言也有這個問題。爲了統一全部文字的編碼，Unicode 應運而生。Unicode 把全部語言都統一到一套編碼裏，這樣就不會再有亂碼問題了。數據結構

Unicode 用若干個字節表示一個字符，原有的英文編碼若是想從單字節變成雙字節，只須要把高字節所有填爲 0 就能夠。在表示一個 Unicode 的字符時，一般會用 「U+」 而後緊接着一組十六進制的數字來表示這一個字符。工具

目前的 Unicode 字符分爲 17 組編排，0x0000 至 0x10FFFF，每組稱爲平面（Plane），而每平面擁有 65536 （即2¹⁶）個碼位，共 1,114,112 個。然而目前只用了少數平面。

平面	始末字符值	中文名稱	英文名稱
0號平面	U+0000 - U+FFFF	基本多文種平面	Basic Multilingual Plane，簡稱 BMP
1號平面	U+10000 - U+1FFFF	多文種補充平面	Supplementary Multilingual Plane，簡稱 SMP
2號平面	U+20000 - U+2FFFF	表意文字補充平面	Supplementary Ideographic Plane，簡稱 SIP
3號平面	U+30000 - U+3FFFF	表意文字第三平面	Tertiary Ideographic Plane，簡稱 TIP
4號平面至 13號平面	U+40000 - U+DFFFF	（還沒有使用）
14號平面	U+E0000 - U+EFFFF	特別用途補充平面	Supplementary Special-purpose Plane，簡稱 SSP
15號平面	U+F0000 - U+FFFFF	保留做爲私人使用區（A區）	Private Use Area-A，簡稱 PUA-A
16號平面	U+100000 - U+10FFFF	保留做爲私人使用區（B區）	Private Use Area-B，簡稱 PUA-B

其中平面 15 和平面 16 上只是定義了兩個各佔 65534 個碼位的專用區（Private Use Area），分別是0xF0000 - 0xFFFFD 和 0x100000 -0x10FFFD。所謂專用區，就是保留給你們放自定義字符的區域，能夠簡寫爲PUA。

平面 0 也有專用區：

0xD800 - 0xDFFF，共 2048 個碼位，是一個被稱做代理區（Surrogate）的特殊區域。代理區的目的是用兩個 UTF-16 字符表示 BMP 之外的字符。

Unicode 只規定了每一個字符的碼點，到底用什麼樣的字節序表示這個碼點，就涉及到編碼方法。

Unicode 字符集有多種編碼方式，分別是 UTF-8、UTF-16 和 UTF-32 /...

什麼是 UTF-32

因爲 Unicode 碼點最大佔用 4 個字節，若是每一個碼點固定使用四個字節表示，字節內容一一對應碼點。這種編碼方法就叫作UTF-32。好比，碼點 0 就用四個字節的 0 表示，碼點 59 7D 就在前面加兩個字節的 0 。

UTF-32的優勢在於，轉換規則簡單直觀，查找效率高。缺點在於浪費空間，一樣內容的英語文本，它會比ASCII編碼大四倍。這個缺點很致命，致使實際上沒有人使用這種編碼方法，HTML 5標準就明文規定，網頁不得編碼成UTF-32。

人們真正須要的是一種節省空間的編碼方法，這致使了UTF-8的誕生。

什麼是 UTF-8

UTF-8是一種變長的編碼方法，字符長度從1個字節到4個字節不等。

越是經常使用的字符，字節越短，最前面的128個字符，只使用1個字節表示，與ASCII碼徹底相同。

UTF-8 以字節爲單位對 Unicode 進行編碼。 UTF-8 的編碼方式以下：

對於單字節的符號，字節的第一位設爲0，後面7位爲這個符號的 Unicode 碼。所以對於英語字母，UTF-8 編碼和 ASCII 碼是相同的。
對於n字節的符號（n > 1），第一個字節的前n位都設爲1，第n + 1位設爲0，後面字節的前兩位一概設爲10。剩下的沒有說起的二進制位，所有爲這個符號的 Unicode 碼。

Unicode 編碼(十六進制)	UTF-8 字節流(二進制)	x 數量
0000 0000 - 0000 007F	0xxxxxxx	7
0000 0080 - 0000 07FF	110xxxxx 10xxxxxx	11
0000 0800 - 0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx	16
0001 0000 - 0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx	21

經過規則能夠看出並非直接把十六進制的 Unicode 碼直接轉成二進制就是 UTF-8 碼，而是經過編碼方式進行轉換，原先 Unicode 編碼下最大碼點是 10FFFF 大小不超過 3 個字節，可是轉換成 UTF-8 後最大須要用 4 個字節去表示。

這個規則的好處在於可以使解析的時候快速確認當前字符須要多少個字節。<u>UTF-8 編碼的最大長度是 4 個字節</u>。

UTF-8 的特色是對不一樣範圍的字符使用不一樣長度的編碼。對於 0x00 - 0x7F 之間的字符，UTF-8 編碼與 ASCII 編碼徹底相同。

從上表能夠看出，4 字節模板有 21個 x，便可以容納 21 位二進制數字。Unicode 的最大碼位 0x10FFFF 也只有21位。編碼舉例以下：

「漢」字的 Unicode 編碼是 0x6C49。0x6C49 在 0x0800-0xFFFF 之間，須要使用 3 字節模板：1110xxxx 10xxxxxx 10xxxxxx。將 0x6C49 寫成二進制是：0110 1100 0100 1001，用這個比特流依次代替模板中的 x，獲得：11100110 10110001 10001001，即 E6 B1 89。這裏的 E6 B1 89 即是「漢」字的 UTF-8 編碼。固然原先佔兩個字節的 Unicode 碼點的進行 UTF-8 編碼後的碼點佔 3 個字節；
Unicode 編碼 0x20C30 在0x010000 - 0x10FFFF 之間，使用 4 字節模板：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx。將 0x20C30 寫成 21位二進制數字（不足21位就在前面補0）：0 0010 0000 1100 0011 0000，用這個比特流依次代替模板中的x，獲得：11110000 10100000 10110000 10110000，即 `F0 A0 B0 B0；

什麼是 UTF-16

UTF-16編碼介於UTF-32與UTF-8之間，同時結合了定長和變長兩種編碼方法的特色。

它的編碼規則很簡單：基本平面的字符佔用2個字節，輔助平面的字符佔用4個字節。也就是說，UTF-16的編碼長度要麼是2個字節（U+0000到U+FFFF），要麼是4個字節（U+010000到U+10FFFF）。

因而就有一個問題，當咱們遇到兩個字節，怎麼看出它自己是一個字符，仍是須要跟其餘兩個字節放在一塊兒解讀？

前面在 Unicode 部分說到，在基本平面內，從 U+D800 到 U+DFFF 是一個空段，即這些碼點不對應任何字符。所以，這個空段能夠用來映射輔助平面的字符。

具體來講，輔助平面的字符位共有220個，也就是說，對應這些字符至少須要 20 個二進制位。UTF-16 將這 20 位拆成兩半，前 10 位映射在 U+D800 到 U+DBFF（空間大小210），稱爲高位（H），後 10 位映射在 U+DC00 到 U+DFFF（空間大小210），稱爲低位（L）。這意味着，一個輔助平面的字符，被拆成兩個基本平面的字符表示。

因此，在UTF-16 編碼下，當咱們遇到兩個字節，發現它的碼點在 U+D800 到 U+DBFF 之間，就能夠判定，緊跟在後面的兩個字節的碼點，應該在 U+DC00 到 U+DFFF 之間，這四個字節必須放在一塊兒解讀。

什麼是字節序

先看字節序的定義，援引維基百科

Endianness is the sequential order in which bytes are arranged into larger numerical values when stored in memory or when transmitted over digital links.

簡單來講，字節序就是字節之間的順序，當傳輸或者存儲時，若是數字超過1個字節，須要指定字節間的順序。字節序用英語說就是 byte order mark，簡稱BOM。

字節序問題僅存在於某種編碼下計算機一次讀取字符大小大於一個字節的時候。

字節序通常分爲大端字節序或小端字節序，兩種字節序的共同存在徹底是歷史緣由。採用什麼順序更多的是出於數值處理上的考量。對於數值的不一樣操做不一樣的字節序性能也不一樣，固然若是數值大小不超過一個字節也就不須要擔憂什麼順序了。

大端順序是網絡協議中的主要順序，例如在 Internet協議套件中，它被稱爲網絡順序，先傳輸最高有效字節。相反，小字節序是處理器體系結構（x86，大多數 ARM 實現，基本 RISC-V 實現）及其關聯內存的主要排序方式。

文件格式則可使用任何一種順序：有些格式將二者混合使用。那對文件系統而言計算機怎麼知道某一個文件到底採用哪種方式編碼？

Unicode 規範定義，每個文件的最前面分別加入一個表示編碼順序的字符，這個字符的名字叫作"零寬度非換行空格"（zero width no-break space）。

若是一個文本文件的頭兩個字節是FE FF，就表示該文件採用大端方式；若是頭兩個字節是FF FE，就表示該文件採用小端方式。

UTF 的字節序和 BOM

引用至 How to teach endian 的一段話：

One of the major disciplines in computer science is parsing/formatting. This is the process of converting the external format of data (file formats, network protocols, hardware registers) into the internal format (the data structures that software operates on).
An external format must be well-defined. What the first byte means must be written down somewhere, then what the second byte means, and so on. For Internet protocols, these formats are written in RFCs, such as RFC 791 for the "Internet Protocol". For file formats, these are written in documents, such as those describing GIF files, JPEG files, MPEG files, and so forth.

翻譯過來就是：

解析/格式化是計算機科學的主要學科之一。這是將數據的外部格式（文件格式，網絡協議，硬件寄存器）轉換爲內部格式（軟件所操做的數據結構）的過程。
外部格式必須定義明確。必須將第一個字節的含義寫在某個地方，而後將第二個字節的含義寫下，依此類推。對於Internet協議，這些格式以 RFC 編寫，例如「 Internet協議」的 RFC 791。對於文件格式，這些格式寫在文檔中，例如描述 GIF 文件，JPEG 文件，MPEG 文件等的文檔。

Unicode 規範中推薦的標記字節順序的方法是 BOM。BOM 不是「Bill Of Material」的 BOM 表，而是 Byte Order Mark。

在 UCS 編碼中有一個叫作 "ZERO WIDTH NO-BREAK SPACE」 的字符，它的編碼是 FEFF。而 FFFE 在 UCS 中是不存在的字符，因此不該該出如今實際傳輸中。

UCS 規範建議咱們在傳輸字節流前，先傳輸字符 "ZERO WIDTH NO-BREAK SPACE"。

這樣若是接收者收到 FEFF，就代表這個字節流是 Big-Endian 的；若是收到 FFFE ，就代表這個字節流是 Little-Endian 的。所以字符 "ZERO WIDTH NO-BREAK SPACE」又被稱做 BOM。

UTF-8 不須要 BOM 來代表字節順序，但能夠用 BOM 來代表編碼方式。字符 "ZERO WIDTH NO-BREAK SPACE」的 UTF-8 編碼是 EF BB BF 因此若是接收者收到以 EF BB BF 開頭的字節流，就知道這是 UTF-8 編碼了。

舉例以下（這裏假設每一個內存地址保存一個字節數據）：

字節格式	文本內容	16 進制	佔用內存大小	內存地址
UTF-8	1	31	1 byte	01
UTF-8 帶 BOM	1	EF BB BF 31	4 byte	01~04

如上表所示：若是咱們單純保存一個內容爲「1」（Unicode 編碼爲 0x31）的一個文本數據，選擇帶不帶 BOM 保存的內容是不一致的，針對第一種咱們明確的使用了 UTF-8 的編碼進行存儲，若是須要從新加載這個文本數據，將數據從內存（或指定存儲結構）加載出來（這裏只有一個字節，文件大小文件地址等在文件元信息能夠獲取），如何展現這個加載數據取決於咱們選擇什麼編碼方式，因爲咱們是使用特定的格式（UTF-8）寫入，因此咱們須要指明使用特定的格式（ UTF-8）去讀取才能正確讀取出文本「1」，不然若是咱們選擇直接展現16 進制數據的話獲得的內容即是 31。

如今大部分數據加載工具都會設定默認的編碼方式，譬如文本工具等基本默認編碼方式都是 UTF-8。那爲了讓某些未設置默認讀取方式的數據加載工具能正確識別數據編碼，便須要咱們在寫入數據時優先寫入 BOM，如上表文本 1 帶上 BOM 後寫入內容將多佔用 3 個字節。有了這 3 個字節的 BOM 數據加載方便清楚接下來使用 UTF-8 去解析內容。

字節格式	文本內容	16 進制	佔用內存大小	內存地址
UTF-8	我	E6 88 91	3 byte	01~03
UTF-8 帶 BOM	我	EF BB BF E6 88 91	6 byte	01~06

中文「我」的 Unicode 編碼爲 0x6211，二進制爲 0110 0010 0001 0001 根據前文的 Unicode UTF -8 編碼規則得出「我」的 UTF-8

屬於範圍 0000 0800 - 0000 FFFF ，替換模板爲 1110xxxx 10xxxxxx 10xxxxxx 帶入模板後得出二進制爲: 11100110 10001000 10010001 轉換成 16 進制即是 E6 88 91。

若是是使用 UTF-16 編碼：

UTF-16的編碼長度要麼是2個字節（U+0000 到 U+FFFF），要麼是4個字節（U+010000 到 U+10FFFF）。

字節格式	文本內容	16 進制	佔用內存大小	內存地址
UTF-16 LE	我	11 62	2 byte	01~02
UTF-16 LE 帶 BOM	我	FF FE 11 62	4 byte	01~04
UTF-16 BE	我	62 11	2 byte	01~02
UTF-16 BE 帶 BOM	我	FE FF 62 11	4 byte	01~04

中文「我」的 Unicode 編碼爲 6211，UTF-16 沒有特殊的轉換規則，每次讀取或寫入數據必須是 2 個字節，剛剛我字佔用 2 個字節。

如上表所示，若是採用大端字節排序的方式（UTF-16 BE）存儲數據在內存中的表示是與人類閱讀的方式一致的，若是是小端字節序的方式存儲則直觀看起來有點反人類。

主機字節序

網絡字節序與主機字節序是常常致使混淆的兩個概念，網絡字節序是肯定的，而主機字節序的多樣性每每是混淆的緣由。

基本 x86 系列 CPU 都是 little-endian 的字節序。

舉例說明：

假設每一個內存地址單位存一個字節

例子：在內存中雙字 0x01020304(DWORD) 的存儲方式

內存地址	4000	4001	4002	4003
LE 小端	04	03	02	01
BE 大端	01	02	03	04

或則：

內存地址	LE 小端	BE 大端
4000	04	01
4001	03	02
4002	02	03
4003	01	04

例子：若是咱們將 0x1234abcd 寫入到以 0x0000 開始的內存中，則結果爲

內存地址	0x0000	0x0001	0x0002	0x0003
LE 小端	0xcd	0xab	0x34	0x12
BE 大端	0x12	0x34	0xab	0xcd

或則：

內存地址	LE 小端	BE 大端
0x0000	0xcd	0x12
0x0001	0xab	0x34
0x0002	0x34	0xab
0x0003	0x12	0xcd

基本是：

字節角度：字節高位在內存高位表明的是小端字節序，相反字節高位在內存低位即是大端字節序;
內存角度：內存低位在字節低位即是小端字節序，相反內存低位放字節高位表明的是大端字節序;
總結：字節高位放內存高位或字節低位放內存低位則是小端字節序，不然就是大端字節序。

正常狀況下咱們都無需去關心主機字節序，由於如何存儲是外部存儲器或則說使驅動須要關心的，咱們只須要正常寫入數據和讀取數據便可，其餘的字節序的處理無需咱們去關心，咱們更多須要關心的應該使網絡字節序

網絡字節序

網絡字節順序是 TCP/IP 協議中規定好的一種數據表示格式，它與具體的 CPU 類型、操做系統等無關，從而能夠保證數據在不一樣主機之間傳輸時可以被正確解釋。網絡字節順序採用 big endian（大端）排序方式。

因爲網絡協議中默認使用的是大端字節序，你們都遵照這個規則，天然而然的你們直接用大端字節序去解析網絡數據即可以的到相應的信息，便不須要手動去聲明這個數據包是大端字節序的。固然前提是你發送出去的數據也是大端字節序的（若是你發送出去的數據是小端字節序編碼的天然收取方也得主動用小端的去解析）。

文件字節序

除了主機字節序以及網絡字節序，還有一種即是咱們在保存文件的時候主動聲明使用的字節序。

譬如咱們在保存一個文本文件的時候咱們能夠設置其保存格式爲：UTF-8 / UTF-8 帶 BOM / UTF-16 LE / UTF-16 LE 帶 BOM / UTF-16 BE / UTF-16 BE 帶 BOM / UTF-32 LE / UTF-32 LE 帶 BOM / UTF-32 BE / UTF-32 BE 帶 BOM / UCS….

何時須要關心字節序

使用底層語言譬如 C 語言之類的，咱們須要手動將讀取到的內存轉換爲指定的數值類型，這個時候就須要知道具體內存的字節序，譬如若是是大端則幾個字節拿出來直接拼在一塊兒能夠做爲數值使用，不然是小端的話得坐相應的處理才能獲得最終的值。高級語言通常不須要咱們直接操做內存，運行環境直接幫咱們作好處理。

通常開發的時候聲明的變量，若是是數值類型，在運行時，運行環境會自動幫咱們處理好數值在內存中的表現，無需過分關心，數值在內存中既有可能大端字節序存儲也有多是小端字節序存儲，取決於系統的須要。若是是字符類型也同理，運行環境已經會自動幫咱們處理好，聲明時是什麼值使用的時候即是什麼值，無需關心在內存中的表現。

跨主機即聯網的時候須要確認發送出去的數據的字節序，接收方須要使用相同的字節序去解析，TCP/IP 協議規定通常使用大端字節序。

Hashbang 註釋

Hashbang 註釋是一種專門註釋語法

對於 JavaScript 而言，Hashbang 註釋正在 ECMAScript 中標準化（參見 Hashbang 語法建議[https://github.com/tc39/propo...]）。

Hashbang 註釋的行爲與單行（//）註釋徹底相同，但它以 #! 開頭且僅在腳本或模塊的絕對開頭有效。還要注意，在 #! 以前不容許有任何類型的空格。

註釋由 #! 以後的全部字符組成直到第一行的末尾；只容許有一條這樣的註釋。Hashbang 註釋指定特定 JavaScript 解釋器的路徑要用於執行腳本。示例以下：

#!/usr/bin/env node
console.log("Hello world");

注意：JavaScript 中的 Hashbang 註釋模仿 Unix 中的 Shebangs，用於指定適當的解釋器運行文件。

儘管在 Hashbang 註釋以前的 BOM 在瀏覽器中能工做，但不建議在具備 Hashbang 的腳本中使用 BOM。當您嘗試在 Unix/Linux 中運行腳本時，有 BOM 將不工做。所以，若是要直接從 shell 運行腳本，請使用沒有 BOM 的 UTF-8。您只能使用 #! 註釋樣式以指定 JavaScript 解釋器。在全部其餘狀況下，只需使用 // 註釋（或多行註釋）。

在 JavaScript 中使用 Unicode

十六進制

> 0x00A9 // 這是一個 16 進制數字
169  // 直接執行默認輸出爲 10 進制

十六進制表示一個轉義序列

> '\xA9' // 一個字符經過 16 進製表示，或則說這裏兩個 16 進制所表明的字符經過 '\x' 轉義表示 ,最多支持兩個 16 進制
"©"

> '\xA9' === String.fromCodePoint(0xA9)
true

Unicode 轉義序列要求在 \\u 以後至少有四個字符（4 個 16 進制，表明兩個字節）

> '\u00A9' // \u 後面接 4 個 16 進制數表示一個字符轉義
"©"

Unicode 編碼轉義是 ECMAScript 6 新增特性。使用 Unicode 編碼轉義，任何字符均可以被轉義爲十六進制編碼。最高能夠用到0x10FFFF。

使用單純的 Unicode 轉義一般須要寫成分開的兩半以達到相同的效果。能夠參考 String.fromCodePoint() 和 String.prototype.codePointAt() 。

'\u{2F804}' // 對於某些字符超出兩個字節表示的就得能夠用 \u{} 包起對應的若干個 16 進制，不能超過 10FFFF

// 使用單純 Unicode 轉義
'\uD87E\uDC04' // 使用兩個 UTF-16 單元湊成一個 4 字節的字符碼點

不一樣字節字符表示方式

'\xA9'             // 支持一個字節表示字符
'\u00A9'         // 支持兩個字節表示字符
'\u{2F804}'        // 支持兩個以上字節表示字符

兩個\\x 表示的字符沒法拼接成一個雙字節的字符

> '\u01ff' // 雙字節字符
"ǿ"

> '\x01\xff' // \x01 是不可打印字符，至關於兩個字符串拼接
"ÿ"

兩個 \\u 表示的字符能夠拼接成一個四字節的字符

// "𠮷" 在 UTF-16 是一個 4 字節字符 碼點是 20bb7
> "𠮷".charCodeAt(0) // 獲取前面兩個字節的 10 進制
55362
> "𠮷".charCodeAt(1) // 獲取後面兩個字節的 10 進制
57271

> (55362).toString(16)  // 獲取對應的 16 進制
"d842"
> (57271).toString(16)    // 獲取對應的 16 進制
"dfb7"

> '\ud842\udfb7'
"𠮷"

> "𠮷".codePointAt(0) // 獲取完整字符的 10 進制
134071

(134071).toString(16) // 獲取對應的 16 進制
"20bb7"

相關 API：

str.charCodeAt
str.codePointAt
str.charAt
String.fromCodePoint()
String.fromCharCode

JavaScript 共有 6 種方法能夠表示一個字符:

'\z' === 'z'  // true
'\172' === 'z' // true
'\x7A' === 'z' // true
'\u007A' === 'z' // true
'\u{7A}' === 'z' // true

更多 ES-6 對 Unicode 的支持細節:

ASCII 碼錶參考

Bin(二進制)	Oct(八進制)	Dec(十進制)	Hex(十六進制)	縮寫/字符	解釋
0000 0000	00	0	0x00	NUL(null)	空字符
0000 0001	01	1	0x01	SOH(start of headline)	標題開始
0000 0010	02	2	0x02	STX (start of text)	正文開始
0000 0011	03	3	0x03	ETX (end of text)	正文結束
0000 0100	04	4	0x04	EOT (end of transmission)	傳輸結束
0000 0101	05	5	0x05	ENQ (enquiry)	請求
0000 0110	06	6	0x06	ACK (acknowledge)	收到通知
0000 0111	07	7	0x07	BEL (bell)	響鈴
0000 1000	010	8	0x08	BS (backspace)	退格
0000 1001	011	9	0x09	HT (horizontal tab)	水平製表符
0000 1010	012	10	0x0A	LF (NL line feed, new line)	換行鍵
0000 1011	013	11	0x0B	VT (vertical tab)	垂直製表符
0000 1100	014	12	0x0C	FF (NP form feed, new page)	換頁鍵
0000 1101	015	13	0x0D	CR (carriage return)	回車鍵
0000 1110	016	14	0x0E	SO (shift out)	不用切換
0000 1111	017	15	0x0F	SI (shift in)	啓用切換
0001 0000	020	16	0x10	DLE (data link escape)	數據鏈路轉義
0001 0001	021	17	0x11	DC1 (device control 1)	設備控制1
0001 0010	022	18	0x12	DC2 (device control 2)	設備控制2
0001 0011	023	19	0x13	DC3 (device control 3)	設備控制3
0001 0100	024	20	0x14	DC4 (device control 4)	設備控制4
0001 0101	025	21	0x15	NAK (negative acknowledge)	拒絕接收
0001 0110	026	22	0x16	SYN (synchronous idle)	同步空閒
0001 0111	027	23	0x17	ETB (end of trans. block)	結束傳輸塊
0001 1000	030	24	0x18	CAN (cancel)	取消
0001 1001	031	25	0x19	EM (end of medium)	媒介結束
0001 1010	032	26	0x1A	SUB (substitute)	代替
0001 1011	033	27	0x1B	ESC (escape)	換碼(溢出)
0001 1100	034	28	0x1C	FS (file separator)	文件分隔符
0001 1101	035	29	0x1D	GS (group separator)	分組符
0001 1110	036	30	0x1E	RS (record separator)	記錄分隔符
0001 1111	037	31	0x1F	US (unit separator)	單元分隔符
0010 0000	040	32	0x20	(space)	空格
0010 0001	041	33	0x21	!	歎號
0010 0010	042	34	0x22	"	雙引號
0010 0011	043	35	0x23	#	井號
0010 0100	044	36	0x24	$	美圓符
0010 0101	045	37	0x25	%	百分號
0010 0110	046	38	0x26	&	和號
0010 0111	047	39	0x27	'	閉單引號
0010 1000	050	40	0x28	(	開括號
0010 1001	051	41	0x29	)	閉括號
0010 1010	052	42	0x2A	*	星號
0010 1011	053	43	0x2B	+	加號
0010 1100	054	44	0x2C	,	逗號
0010 1101	055	45	0x2D	-	減號/破折號
0010 1110	056	46	0x2E	.	句號
0010 1111	057	47	0x2F	/	斜槓
0011 0000	060	48	0x30	0	字符0
0011 0001	061	49	0x31	1	字符1
0011 0010	062	50	0x32	2	字符2
0011 0011	063	51	0x33	3	字符3
0011 0100	064	52	0x34	4	字符4
0011 0101	065	53	0x35	5	字符5
0011 0110	066	54	0x36	6	字符6
0011 0111	067	55	0x37	7	字符7
0011 1000	070	56	0x38	8	字符8
0011 1001	071	57	0x39	9	字符9
0011 1010	072	58	0x3A	:	冒號
0011 1011	073	59	0x3B	;	分號
0011 1100	074	60	0x3C	<	小於
0011 1101	075	61	0x3D	=	等號
0011 1110	076	62	0x3E	>	大於
0011 1111	077	63	0x3F	?	問號
0100 0000	0100	64	0x40	@	電子郵件符號
0100 0001	0101	65	0x41	A	大寫字母A
0100 0010	0102	66	0x42	B	大寫字母B
0100 0011	0103	67	0x43	C	大寫字母C
0100 0100	0104	68	0x44	D	大寫字母D
0100 0101	0105	69	0x45	E	大寫字母E
0100 0110	0106	70	0x46	F	大寫字母F
0100 0111	0107	71	0x47	G	大寫字母G
0100 1000	0110	72	0x48	H	大寫字母H
0100 1001	0111	73	0x49	I	大寫字母I
01001010	0112	74	0x4A	J	大寫字母J
0100 1011	0113	75	0x4B	K	大寫字母K
0100 1100	0114	76	0x4C	L	大寫字母L
0100 1101	0115	77	0x4D	M	大寫字母M
0100 1110	0116	78	0x4E	N	大寫字母N
0100 1111	0117	79	0x4F	O	大寫字母O
0101 0000	0120	80	0x50	P	大寫字母P
0101 0001	0121	81	0x51	Q	大寫字母Q
0101 0010	0122	82	0x52	R	大寫字母R
0101 0011	0123	83	0x53	S	大寫字母S
0101 0100	0124	84	0x54	T	大寫字母T
0101 0101	0125	85	0x55	U	大寫字母U
0101 0110	0126	86	0x56	V	大寫字母V
0101 0111	0127	87	0x57	W	大寫字母W
0101 1000	0130	88	0x58	X	大寫字母X
0101 1001	0131	89	0x59	Y	大寫字母Y
0101 1010	0132	90	0x5A	Z	大寫字母Z
0101 1011	0133	91	0x5B	[	開方括號
0101 1100	0134	92	0x5C	\	反斜槓
0101 1101	0135	93	0x5D	]	閉方括號
0101 1110	0136	94	0x5E	^	脫字符
0101 1111	0137	95	0x5F	_	下劃線
0110 0000	0140	96	0x60	`	開單引號
0110 0001	0141	97	0x61	a	小寫字母a
0110 0010	0142	98	0x62	b	小寫字母b
0110 0011	0143	99	0x63	c	小寫字母c
0110 0100	0144	100	0x64	d	小寫字母d
0110 0101	0145	101	0x65	e	小寫字母e
0110 0110	0146	102	0x66	f	小寫字母f
0110 0111	0147	103	0x67	g	小寫字母g
0110 1000	0150	104	0x68	h	小寫字母h
0110 1001	0151	105	0x69	i	小寫字母i
0110 1010	0152	106	0x6A	j	小寫字母j
0110 1011	0153	107	0x6B	k	小寫字母k
0110 1100	0154	108	0x6C	l	小寫字母l
0110 1101	0155	109	0x6D	m	小寫字母m
0110 1110	0156	110	0x6E	n	小寫字母n
0110 1111	0157	111	0x6F	o	小寫字母o
0111 0000	0160	112	0x70	p	小寫字母p
0111 0001	0161	113	0x71	q	小寫字母q
0111 0010	0162	114	0x72	r	小寫字母r
0111 0011	0163	115	0x73	s	小寫字母s
0111 0100	0164	116	0x74	t	小寫字母t
0111 0101	0165	117	0x75	u	小寫字母u
0111 0110	0166	118	0x76	v	小寫字母v
0111 0111	0167	119	0x77	w	小寫字母w
0111 1000	0170	120	0x78	x	小寫字母x
0111 1001	0171	121	0x79	y	小寫字母y
0111 1010	0172	122	0x7A	z	小寫字母z
0111 1011	0173	123	0x7B	{	開花括號
0111 1100	0174	124	0x7C	\		垂線
0111 1101	0175	125	0x7D	}	閉花括號
0111 1110	0176	126	0x7E	~	波浪號
0111 1111	0177	127	0x7F	DEL (delete)	刪除