是否有任何不尊重 ASCII 的字符集？

Posted 2023-02-24

【中文标题】是否有任何不尊重 ASCII 的字符集？

【英文标题】：Are there any character sets that don't respect ASCII?

【发布时间】：2017-08-20 03:00:24

【问题描述】：

据我了解，字符编码将位映射为整数，而字符集将整数映射为字符。

所以在 Unicode 字符集中有一个电话字符。它使用整数 9742 表示，更常用的十六进制表示为 260E。然后使用 UTF-8 将其保存到一个文件中，它将整数 9742 转换为 10011000001110。如果我错了，请纠正我。

昨天我创建了一个使用 Unicode 字符集和 UTF-8 编码的文本文件，并将它保存到我的桌面。然后我在我的文本编辑器中重新打开了该文件，并开始手动切换字符集以获得乐趣。不出所料，开始显示问题和奇怪的字符！我注意到只有一些字符被歪曲了。这让我想，为什么只有一些字符会坏掉？为什么不是全部？

有人告诉我，中断的字符是原始 ASCII 规范之外的字符。仔细想想，这似乎是有道理的，因为只有非美国字符会中断。有人告诉我，因为所有字符集都使用前 128 个字符的 ASCII 字符集，所以它们将保持不中断，而中断的是 127 以上的字符。如果我错了，请纠正我。

最后，我开始思考了。如果有，它们叫什么，它们是做什么用的？

【问题讨论】：

首先是 UTF-16，其中每个 BMP 代码点是两个字节，而不是一个。然后EBCDIC...

谷歌“EBCDIC”。

另见Baudot and ITA2。

顺便说一句，UTF-8 中的字符 U+260E 不是 2 个字节而是 3 个：mothereff.in/utf-8#%E2%98%8E。在 UTF-16 中是 2 个字节。

另见cp1026。我曾经遇到过这个错误作为电子邮件的字符集，它破坏了我的电子邮件解析器，因为它使用0x25 而不是0xA 来表示LF，但它在0x00 - 0x7F 范围内还有一堆其他字符不同于 ASCII。

【参考方案1】：

根据我对 cme​​ts 的调查结果，我能够回答我自己的问题。感谢所有评论的人！

是的，有一对； EBCDIC 和 Baudot。

【讨论】：

EBCDIC 最近去过那里 - 很高兴您不必处理 IBM 大型机文件 :) 顺便说一句，答案是什么？许多字符集似乎“允许”较低字节范围内的 ascii 兼容性。您的回答是否涉及到这一点？文件头呢？还有什么可以分享的吗？