[Delphi] 經常使用字符集簡介

轉載

http://www.cnblogs.com/yangyxd/articles/4778483.html

字符集	ANSI (ASCII) 美國信息互換標準編碼	GB 2312 信息交換用漢字編碼字符集	GBK Chinese Internal Code Specification	GB18030 信息交換用漢字編碼字符集基本集的擴充	UTF-8 萬國碼	UTF-16 (ISO/IEC 10646-一、UCS-2)  通用字符集	BIG5 大五碼或五大碼
英文字符	1 字節	1 字節	1 字節	1 字節	1 字節	2 字節	1 字節
中文字符	不支持	2 字節	2 或 4 字節	2 或 4 字節	3 ~ 4 字節	2 或 4 字節	2 字節
Delphi 2007(及更早)	AnsiString	AnsiString	AnsiString	AnsiString	AnsiString	WideString	AnsiString
Delphi 2009 (大於或等於)	AnsiString	AnsiString	AnsiString	AnsiString	UTF8String	UnicodeString	AnsiString
表示法	7位（bits）表示一個字符，共128字符，字符值從0到127，其中32到126是可打印字符。  ASCII擴展字符集使用8位（bits）表示一個字符，共256字符。	EUC-CN 「第一位字節」使用0xB0-0xF7 「第二位字節」使用0xA1-0xFE	GBK/1:   0xA1A0~0xA9EF(部分) GB2312非漢字符號 GBK/2: 0xB0A0~0xF7FE(部分) GB2312漢字 上面兩個是GB2312的擴展，向上兼容; GBK/3: 0x8140~0xA0FE(部分) 擴充漢字 包括繁體 GBK/4: 0xAA40~0xFEA0(部分) 擴充漢字 包括繁體 GBK/5: 0xA840~0xA995(部分) 擴充非漢字	單字節字符： 0x00至0x7F碼(對應於ASCII碼的相應碼)。 雙字節字符:  首字節碼從0x81至0xFE，尾字節碼位分別是0x40至0x7E和0x80至0xFE。 四字節字符: 採用GB/T 11383未採用的0x30到0x39做爲對雙字節編碼擴充的後綴，這樣擴充的四字節編碼，其範圍爲0x81308130到0xFE39FE39。其中第1、三個字節編碼碼位均爲0x81至0xFE，第2、四個字節編碼碼位均爲0x30至0x39。	UTF-8使用使用1到6個可變長字節編碼UNICODE字符。 每一個字節由一個換碼序列開始。第一個字節由惟一的換碼序列，由n位連續的1加一位0組成, 首字節連續的1的個數表示字符編碼所需的字節數。 Unicode轉換爲UTF-8字節數計算規則： 若是Unicode小於0X80（Ascii字符），則轉換後爲1個字節。不然轉換後的字節數爲Unicode二進制位數加3再除以5。 ASCII字母使用1字節，重音文字、希臘字母或西裏爾字母等使用2字節來儲存，經常使用的漢字就要使用3字節，輔助平面字符則使用4字節。	首256字符保留給ISO 8859-1所定義的字符。 UTF-16的大尾序和小尾序儲存形式都在用。通常來講，以Macintosh製做或儲存的文字使用大尾序格式，以Microsoft或Linux製做或儲存的文字使用小尾序格式。  爲了弄清楚UTF-16文件的大小尾序，在UTF-16文件的開首，都會放置一個U+FEFF字符做爲Byte Order Mark（UTF-16LE以FF FE表明，UTF-16BE以FE FF表明），以顯示這個文字檔案是以UTF-16編碼，其中U+FEFF字符在UNICODE中表明的意義是ZERO WIDTH NO-BREAK SPACE，顧名思義，它是個沒有寬度也沒有斷字的空白。	高位字節: 0xA1-0xF9， 低位字節: 0x40-0x7E及0xA1-0xFE 中文字符編碼規則： 第一個字節 從0X81－0XFE，共126種 第二個字節 分別爲0X40－0X7E，0XA1－0XFE，共157種
備註	1. 基於羅馬字母表的一套電腦編碼系統。 2. 它主要用於顯示現代英語和其餘西歐語言。它是現今最通用的單字節編碼系統，並等同於國際標準ISO 646。 3. ASCII擴展字符集：它是從ASCII字符集擴充出來的，擴充後的符號增長了表格符號、計算符號、希臘字母和特殊的拉丁符號。	1. 共收錄6763個漢字，其中一級漢字3755個，二級漢字3008個；同時，GB 2312收錄了包括拉丁字母、希臘字母、日文平假名及片假名字母、俄語西裏爾字母在內的682個全角字符。 2. 整個字符集分紅94個區，每區有94個位。每一個區位上只有一個字符，所以可用所在的區和位來對漢字進行編碼，稱爲區位碼。各區包含的字符以下：01-09區爲特殊符號；16-55區爲一級漢字，按拼音排序；56-87區爲二級漢字，按部首/筆畫排序；10-15區及88-94區則未有編碼。 3. 把換算成十六進制的區位碼加上2020H，就獲得國標碼。國標碼加上8080H，就獲得經常使用的計算機機內碼。	兼容 GB2312 中的所有漢字和符號。整體編碼範圍爲 8140-FEFE，首字節在 81-FE 之間，尾字節在 40-FE 之間(不包括0x7F)。總計 23940 個碼位，共收入 21886 個漢字和圖形符號，其中漢字（包括部首和構件）21003 個，圖形符號 883 個。	1. 該標準的字符總編碼空間超過150萬個編碼位，收錄了27484個漢字，覆蓋中文、日文、朝鮮語和中國少數民族文字。 2. 與Unicode 3.0版本兼容，填補Unicode擴展字符字彙「統一漢字擴展A」的內容。而且與之前的國家字符編碼標準（GB2312，GB13000.1）兼容。 3. GB 18030標準採用單字節、雙字節和四字節三種方式對字符編碼。 4. 2001年8月31往後在中國市場上發佈的軟件必須符合本標準。	1. Unicode轉換爲UTF-8時可將Unicode二進制從低位往高位取出二進制數字，每次取6位，如上述的二進制就能夠分別取出爲以下示例所示的格式，前面按格式填補，不足8位用0填補。 2. 非ASCII字符的UNICODE字符轉化成UTF-8將須要至少2個字節。每一個字節由一個換碼序列開始。第一個字節由惟一的換碼序列，由n位連續的1加一位0組成, 首字節連續的1的個數表示字符編碼所需的字節數。 3. UTF-3二、UTF-16和 UTF-8 是 Unicode 標準的編碼字符集的字符編碼方案，UTF-16 使用一個或兩個未分配的 16 位代碼單元的序列對 Unicode 代碼點進行編碼；UTF-32 即將每個 Unicode 代碼點表示爲相同值的 32 位整數。	1. 從Unicode 2.0開始，Unicode採用了與ISO 10646-1相同的字庫和字碼。 2. 在未引入輔助平面字符時，UTF-16與UCS-2所指的是同一的意思。對於小於0x10000的UCS碼，UTF-16編碼就等於UCS碼。 3. UTF-16比起UTF-8，好處在於大部分字符都以固定長度的字節 (2字節) 儲存，但UTF-16卻沒法兼容於ASCII編碼。 4. 把Unicode字符集的抽象碼位映射爲16位長的整數（即碼元）的序列，用於數據存儲或傳遞。Unicode字符的碼位，須要1個或者2個16位長的碼元來表示，所以這是一個變長表示。	1. Big5字符集共收錄13,053箇中文字，該字符集在中國臺灣使用。 2. 0xA140-0xA3BF爲標點符號、希臘字母及特殊符號。 3. 0xA259-0xA261，存放了雙音節度量衡單位用字：兙兛兞兝兡兣嗧瓩糎。 4. 0xA440-0xC67E爲經常使用漢字，先按筆劃再按部首排序 5. 0xC940-0xF9D5爲次經常使用漢字，亦是先按筆劃再按部首排序。