字符编码

字符编码

 

人类采用十进制，数字是0-9。计算机是二进制的世界，只有0 与1 两种选择，称为比特（bit）。

你可以想象一个灯泡就是一个比特，亮代表1，不亮代表0。

十进制的0 写成二进制是0，十进制的1 写成二进制是1，十进制的2 写成二进制是10，十

进制的3 写成二进制是11，十进制的4 写成二进制是100，十进制的256 写成二进制是

100000000。随着数值增大，二进制的长度增长得很快，十进制的256 只需要3 个数字，转成

二进制却需要9 个数字。二进制（比特）只适合计算机，不适合人类使用。

于是我们把四个比特结合在一起，姑且称为半字节，半字节能表示的数字范围提升到16。而

阿拉伯数字最高只能表达到9，至于10 ～ 15 分别用英文字符ABCDEF（不区分大小写）表示。

写代码或者写文章时，我们很少使用二进制，一般使用十进制或者十六进制。为了区分写出来

的数字是哪种进制，我们习惯在十六进制前面加上0x，而十进制数字前不加任何东西。例如：

0x20 相当于32。

 

计算机把两个半字节结合在一起，称为字节（byte）。一个字节有8 个比特，数字范围变成

0~255，也就是0x00~0xFF。

英文字母大小写，加上10 个阿拉伯数字，共62 个，加上各种符号，就超出64（2 的6 次方）了。

所以最早我们用7 个比特（2 的7 次方）来表示字符（character），因此制订了一个标准，叫做ASCII。通常用一个字节来代表一个字符（不过这就浪费了一个比特）。

 

 

这就是完整的ASCII 字符编码表。绿色的部分是ASCII 的编码（这里用十六进制数字表示），

灰色与白色的部分是编码对应的字符，其中灰色的是不可显示字符，白色的是可显示字符。

只有可显示字符才能被打印出来。可显示字符的范围是在0x20 与0x7E 之间。注意，0x7F 是

不可显示字符。

 

那些不可显示的字符，我们看不到，那么又要如何输入呢？我们可以通过转义串（escape

sequence）的方式使用它们，就像是一种代号。编码为0x00 的字符用^@ 表示，编码为0x01

的字符用^A（大小写皆可）表示等，如上表所示。

有些不可显示字符的转义串不止一种，例如编码为0x09 的字符就有三种表示法，可以是^I、

^-、^(TAB)（大小写皆可）。

不可显示字符中，目前最常用的是0x0A 与0x09。输入0x0A 有换行的效果，输入0x09 会跳到

下一个表格定位点（对交互环境来说，表格定位点就是8 的倍数位置）。

 

字符的表达方式是在字符（或者字符的转义串）本身前后加上英文双引号，然后再在这个整体

的前面加上#。

打印可显示字符（例如#"a"），很简单地在界面上就出现该字符。如果打印不可显示字符，

又会如何？不同的不可显示字符有不同的效果，以0x07 字符来说，效果就是发出一声“哔”。

对0x0A 字符来说，就是换行。

我们可以通过to-integer 把字符转成整数，然后用to-hex 把整数转成看起来像十六进制

的值#0000000000000007，但我们希望只取得最后两个数字，所以通过修饰字/size 2 来

改变to-hex 的行为，使得to-hex 只保留最后两个数字。

 

让我们写一个稍微长一点的程序。这个程序文件名为dump.reb，它可以用来分析文件内容。把

文件内容输出到界面上，界面分成左右两部分，左边是文件内容的十六进制数据，右边则把数

据当成ASCII 呈现出来。右边遇到不可显示的字符（包括空格0x20）时就用一个点代替。

关于此代码的其他细节，在此不解释。

 

 

本文节选自《编程ING:人人都能学会程序设计》一书

蔡学镛 著

电子工业出版社出版

图书详细信息:http://blog.chinaunix.net/space.php?uid=13164110&do=blog&id=3289954