UTF-8 7
目录
- NAME UTF-8
- 描述 The .B Unicode 字符集使用的是 16 位（双字节）码。最普遍的 Unicode 编码方法（ .BR UCS-2 ) 由一个 16 位双字序列组成。 这样的字符串中包括了的一些如‘
- 属性 .B UTF-8 编码具有以下优良属性： .TP 0.2i * .B UCS 字符从 0x00000000 到 0x0000007f （传统的 .B US-ASCII 字符）简单地编码为字节 0x00 到 0x7f （与 ASCII 码兼容）。 这意味着只包含 7 位 ASCII 字符的文件和字符串在 .B ASCII 和 .BR UTF-8 . 编码方式下是完全一样的。 .TP * 所有大于 0x7f 的 .B UCS 字符被编码成为多字节序列。该序列全部是由 0x80 到 0fd 的字符组成， 这样就不会有标准 ASCII 字符会 被作为某个字的一个部分这种现象出现， 对于‘
- 编码方式 下面的字节串用来表示一个字符。用什么串依照该字符在 UCS 编码中的序号来定： .TP 0.4i 0x00000000 - 0x0000007F: .RI 0xxxxxxx .TP 0x00000080 - 0x000007FF: .RI 110xxxxx .RI 10xxxxxx .TP 0x00000800 - 0x0000FFFF: .RI 1110xxxx .RI 10xxxxxx .RI 10xxxxxx .TP 0x00010000 - 0x001FFFFF: .RI 11110xxx .RI 10xxxxxx .RI 10xxxxxx .RI 10xxxxxx .TP 0x00200000 - 0x03FFFFFF: .RI 111110xx .RI 10xxxxxx .RI 10xxxxxx .RI 10xxxxxx .RI 10xxxxxx .TP 0x04000000 - 0x7FFFFFFF: .RI 1111110x .RI 10xxxxxx .RI 10xxxxxx .RI 10xxxxxx .RI 10xxxxxx .RI 10xxxxxx .PP 这里 .I xxx 的位置二进制位形式的字符编码填入。 只用最短的那个足够表达一个字符编码数的多字节串。 .SH 举例说明 .B Unicode 字符 0xa9 = 1010 1001 (版权所有的符号) 在 UTF-8 中被编码为： .PP .RS 11000010 10101001 = 0xc2 0xa9 .RE .PP 字符0x2260 = 0010 0010 0110 0000 (“不等于”符号)被编码为： .PP .RS 11100010 10001001 10100000 = 0xe2 0x89 0xa0 .RE .SH 遵循标准 ISO 10646, Unicode 1.1, XPG4, Plan 9. .SH 作者 Markus Kuhn .SH 参考 .BR unicode (7) .SH
- [中文版最新更新]
- 《中国linux论坛man手册页翻译计划》:
- 跋
UTF-8
NAMEæè¿°
å±æ§
ç¼ç æ¹å¼
举ä¾è¯´æ
éµå¾ªæ å
ä½è
åè
[ä¸æçç»´æ¤äºº]
[ä¸æçææ°æ´æ°]
ãä¸å½linux论åmanæå页翻è¯è®¡åã:
è·
NAME
UTF-8 - ASCII å¼å®¹çå¤åè Unicode ç¼ç
æè¿°
The Unicode å符é使ç¨çæ¯ 16 ä½ï¼ååèï¼ç ãææ®éç Unicode ç¼ç æ¹æ³ï¼ UCS-2) ç±ä¸ä¸ª 16 ä½åååºåç»æã è¿æ ·çå符串ä¸- åæ¬äºçä¸äºå¦â\0âæâ/âè¿æ ·çå¨æ件åä¸æèæ¯å¨ C åºå½æ°ä¸å·æç¹æ®æä¹çå符ã å¦å¤ï¼å¦æ没æåé大çä¿®æ£çè¯ï¼å¤§é¨åæä½ ASCII ç æ件ç UNIX å·¥å·ä¸è½å¤æ- £ç¡®è¯å« 16 ä½çå符ãå æ¤ï¼ UCS-2 å¯¹äº Unicode çæ件åãææ¬æ件ãç¯å¢åéçç- æ¥è¯´å¹¶ä¸æ¯ä¸ç§åéçå¤é¨ç¼ç æ¹å¼ã ISO 10646 Universal Character Set (UCS), æ¯ Unicode çè¶éï¼çè³ä½¿ç¨äº 31 ä½ç¼ç æ¹å¼ï¼ å¦å¤è¿æä½¿ç¨ 32 ç¼ç ç UCS-4 ä¹æåæ ·ä¸è¿°çé®é¢ã UCS-4 èç¨ UTF-8 对 Unicode UCS ç¼ç å°±ä¸ä¼åå¨è¿æ ·çé®é¢ãæ以ï¼UTF-8 å¾ææ¾çæ¯å¨ UNIX ç±»æä½ç³»ç»ä¸ç Unicode å符éç解å³æ¹æ¡ã
å±æ§
UTF-8 ç¼ç å·æ以ä¸ä¼è¯å±æ§ï¼
|
* |
UCS åç¬¦ä» 0x00000000 å° 0x0000007f ï¼ä¼ ç»ç US-ASCII å- 符ï¼ç®åå°ç¼ç 为åè 0x00 å° 0x7f ï¼ä¸ ASCII ç å¼å®¹ï¼ã è¿æå³çåªåå« 7 ä½ ASCII å符çæ件ååç¬¦ä¸²å¨ ASCII å UTF-8. ç¼ç æ¹å¼ä¸æ¯å®å¨ä¸æ ·çã | ||
|
* |
ææå¤§äº 0x7f ç UCS å符被ç¼ç æ为å¤åèåºåã该åºåå¨é¨æ¯ç± 0x80 å° 0fd çå符ç»æï¼ è¿æ ·å°±ä¸ä¼ææ å ASCII åç¬¦ä¼ è¢«ä½ä¸ºæ个å- çä¸ä¸ªé¨åè¿ç§ç°è±¡åºç°ï¼ 对äºâ\0âåââè¿æ ·çç¹æ®å- 符æ¥è¯´ä¹å°±ä¸ä¼æé®é¢äºã | ||
|
* |
ä¿çäº UCS-4 åå¸ä¸çåè串çæå顺åºã | ||
|
* |
ææ 2ˆ32 次æ¹ç UCS ç é½è½å¤ä½¿ç¨ UTF-8 æ¥è¿è¡ç¼ç ã | ||
|
* |
0xfe å 0xff 两个åç¬¦å¨ UTF-8 ä¸ä¸ä¼è¢«ç¨å°ã | ||
|
* |
表示é ASCII ç ç UCS å¤åè串çå¼å§å符æ»æ¯ 0xc0 å° 0xfd ä¹é´çå- 符ï¼å¹¶ä¼æåºè¯¥ä¸²çé¿åº¦ã å¤åè串çå¶ä»å符é½æ¯ 0x80 å° 0xbf ä¹é´çå- 符ã è¿ä½¿å¾ååæ¥é常ç®åï¼å¹¶ä»¤ç¼ç æ¯æ æçï¼ ä¸¢åèç°è±¡ä¹ä¸å®¹æåçã | ||
|
* |
ç¨ UTF-8 ç¼ç ç UCS å符å¯ä»¥å¢å å° 6 个åèçé¿åº¦ãè Unicode åªè½å¢å å° 3 个åèé¿ãç±äº Linux åªä½¿ç¨ 16 ä½ç Unicode ï¼ UCS çåéãæä»¥å¨ Linux ä¸ï¼ UTF-8 å¤åè串é¿åº¦æå¤ä¸ä¼è¶è¿ä¸ä¸ªåèã |
ç¼ç æ¹å¼
ä¸é¢çåè串ç¨æ¥è¡¨ç¤ºä¸ä¸ªå符ãç¨ä»ä¹ä¸²ä¾ç§è¯¥å符å¨
UCS ç¼ç ä¸-
çåºå·æ¥å®ï¼
0x00000000 - 0x0000007F:
0xxxxxxx
0x00000080 - 0x000007FF:
110xxxxx 10xxxxxx
0x00000800 - 0x0000FFFF:
1110xxxx 10xxxxxx 10xxxxxx
0x00010000 - 0x001FFFFF:
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
0x00200000 - 0x03FFFFFF:
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
0x04000000 - 0x7FFFFFFF:
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
è¿é xxx çä½ç½®äºè¿å¶ä½å½¢å¼çå符ç¼ç å¡«å¥ã åªç¨æç- çé£ä¸ªè¶³å¤è¡¨è¾¾ä¸ä¸ªå符ç¼ç æ°çå¤åè串ã
举ä¾è¯´æ
Unicode å符 0xa9 = 1010 1001 (çæææç符å·) å¨ UTF-8 ä¸è¢«ç¼ç 为ï¼
11000010 10101001 = 0xc2 0xa9
å符0x2260 = 0010 0010 0110 0000 (âä¸çäºâ符å·)被ç¼ç 为ï¼
11100010 10001001 10100000 = 0xe2 0x89 0xa0
éµå¾ªæ å
ISO 10646, Unicode 1.1, XPG4, Plan 9.
ä½è
Markus Kuhn
åè
unicode(7)
[ä¸æçç»´æ¤äºº]
billpan <billpan@yeah.net>
[ä¸æçææ°æ´æ°]
2000/11/09
ãä¸å½linux论åmanæå页翻è¯è®¡åã:
http://cmpp.linuxforum.net
è·
æ¬é¡µé¢ä¸æçç±ä¸æ
man
æå页计åæä¾ã
ä¸æ man
æå页计åï¼https://github.com/man-pages-zh/manpages-zh