[oeasy]python0128_unicode_字符集_character_set_八卦_星座

unicode 回忆上次内容

• 中国的简体和繁体汉字
• 字符数量都超级大
• 彼此还认对方为乱码

• 如果有一种编码所有的字符都能编进去就好了
• 中日韩(CJK)
• 欧洲拼音
• 梵文
• 阿拉伯文
• 卢恩字符
• 等等等都包括进去

添加图片注释，不超过 140 字（可选）

• 能有么？????

回顾历史

• 计算机中只有 0 和 1
• 并且是存储在字节里的
• 原来只能表示和处理数字
• 字符无法处理

• 后来某些二进制数固定下来代表某个字符
• 形成了字符集
• 从博多码(5bits)到 BCDIC(6bits)
• 再到 EBCDIC码(8bits) {BANNED}最佳后统一于 ascii

添加图片注释，不超过 140 字（可选）

• 但是 各国家和地区
• 都有 自己的文字
• 这一领域 没有 统一的标准

• 所以每个国家和地区
• 都制定自己的编码标准
• 想要同时显示 法语字符和西里尔字符 是不可能的

• 同样字节状态 在不同编码格式里 代表不同的字符
• 都认为对方是乱码
• 彼此不兼容

• 编码方式有上百种之多
• 互为乱码

分久必合

• 无法解决的问题背后 可能是机会
• 1980 年代
• Xerox(施乐公司) 在 开始尝试一种编码
• 能融合多语言

• Xerox 字符集包括
• 拉丁
• 阿拉伯
• 希伯来
• 希腊
• 西里尔
• 中日韩字符

添加图片注释，不超过 140 字（可选）

• 这个字符集 1988 年进化为 unicode
• uni的意思是一

uni

• uni 来自于
• unique
• unified
• universal
• unicorn
• university
• uniform
• unit
• union

添加图片注释，不超过 140 字（可选）

• uni-开头的单词都有这个特点

universe

• universe
• uni
• 一

• verse
• 旋转

• universe
• 绕着一个东西转的
• 从一转化而来的

• 一生二 二生三 三生万物

添加图片注释，不超过 140 字（可选）

• 后来日语
• 将universe翻译成宇宙

• 宇宙一词 中文以前就有
• 上下四方曰宇
• 古往今来曰宙

得一

• 这个词头计算机领域也有很多很牛的单词
• unit、unix、unity、unicode

• 这名字得一了啊
• 少则得,多则惑,是以圣人抱一为天下式
• 天得一以清，地得一以宁，神得一以灵，谷得一以盈，万物得一以生，侯王得一而以为正

• 这个版本叫做 unicode88
• 是 16 位的 unicode

• 1989 年
• Unicode 这个工作组来了一些从大厂来的人
• 微软和 sun 都来了

• 1991/1/3 日
• Unicode 委员会在加州成立

• 1991 年 8 月
• unicode {BANNED}中国第一卷发布

• 1992 年 6 月
• 第 2 卷发布
• 这里面包含了汉语字符

• unicode 委员会 形成
• Adobe, Apple, Facebook, Google, IBM, Microsoft, Netflix 和 SAP SE 等公司的工程师加入

添加图片注释，不超过 140 字（可选）

• 字符的全球标准化开始了

基础字符

• ascii 还是牢牢占据着 0-127 这{BANNED}最佳关键的位置
• 紧挨着 ascii 的字符的就是 Latin-1
• 由 iso-8859-1 西欧、北欧字符集进化而来

添加图片注释，不超过 140 字（可选）

• 这其实也 标识出unicode的 编码排序规则
• 以书写系统为单位
• 分类和收录

各种拼音文字

• 比如卢恩字符

添加图片注释，不超过 140 字（可选）

• 再去捋一捋
• 拉丁字符进化过程吧

拉丁字符进化史

发音	词义	埃及圣书体	楔形写法	希腊字符	拉丁字符
alpha	牛	????	????	Αα	Aa
beta	房子	????	????	Ββ	Bb
gīml	棍子	????	????	Γγ	Cc,Gg
dālet	门或者鱼	????	?????	Δδ	Dd

• 去看看他们的序号

添加图片注释，不超过 140 字（可选）

• 希腊字符比较好找
• 序号较小

• 不过希腊字符之前只有大写字母
• 小写字母怎么来的呢？

小写字母

添加图片注释，不超过 140 字（可选）

• 手写画风固定下来后
• 又被印刷术 再次固定

添加图片注释，不超过 140 字（可选）

• 能找到埃及文字的序号吗？

埃及文字

• unicode 确实给埃及文字排了序号
• 但是序号很大
• 而且目前终端没有字型支持

添加图片注释，不超过 140 字（可选）

• 字型文件 实现难度不小
• 实际需求 也不确定

• 同为 拼音文字的不同书写系统
• 可能会用到 长得一样的字符
• 会是一个序号吗？

书写系统

• 英文字母、拉丁字母、西里尔文字母
• 都源自希腊文字母 Omicron

• 不同的书写系统
• 可能会长相一样的字母
• 但对应着不同的序号

添加图片注释，不超过 140 字（可选）

• 虽然字形一模一样
• 但是属于三个书写系统
• 希腊文字母
• 英文字母
• 西里尔字母

• 所以 有不同的序号

持续进化

• 每个版本都会有些变化
• 整个编码区域分成若干个 blocks
• 新版本对于这些 blocks 里面的字符有所增加

添加图片注释，不超过 140 字（可选）

十二星座

• 除了字符之外还有很多符号
• 比如十二个星座

添加图片注释，不超过 140 字（可选）

• 集装箱 标准化一旦开始
• 就会 反过来 约束火车轮船飞机

• 你要想 加入这个交流的行列
• 必须先了解相应的接口
• 从遵守现有的规则开始

unicode时代

• 新编码unicode的时代来了
• 他会把一切字符吸收进去

添加图片注释，不超过 140 字（可选）

• 同一个文档
• 可以既有中文
• 又有日文
• 还有韩文

• 一切字符都能正常显示

阴阳太极

• 易有太极
• ??

添加图片注释，不超过 140 字（可选）

• 是生两仪
• ? 陽 (U+268A) ? 陰 (U+268B)

• 两仪生四象
• ?(太陽,U+268C)、?(少陰,U+268D)、?(少陽,U+268E)、?(太陰,U+268F)

添加图片注释，不超过 140 字（可选）

八卦

• 四象生八卦
• ? ? ? ? ? ? ? ?

添加图片注释，不超过 140 字（可选）

• 如果把
• ? 陽 (U+268A)当做1
• ? 陰 (U+268B)当做0

• 顺序是逆序(递减)
• 从外而内
• 天
• 泽
• 水
• 雷
• 风
• 火
• 山
• 地

• 八卦有了
• 可以重卦么？

重卦

添加图片注释，不超过 140 字（可选）

• 八八六十四卦

添加图片注释，不超过 140 字（可选）

• 看起来都可以玩算卦了
• 还能做什么呢？

乱来

• 来随便试一个

print("\u9999")

• 看看这是什么字？

中日韩字符

• 中文编码原来是 gbk
• unicode 现在unicode把中日韩(CJK)当成一组
• 排序是CJK
• 位置是unicode.org下方的code chart中找到

添加图片注释，不超过 140 字（可选）

• 当然关于排序各有各的排法
• 中国是中日韩
• 日本是日中韩
• 韩国是韩中日

• unicode组织的CJK显然综合了东亚文化圈的排名
• 我仿佛听到卡吉玛

所在位置

• 象形文字数量确实是拼音文字没有办法比的

添加图片注释，不超过 140 字（可选）

• 他们听到我们有两万个字母的时候都傻了

融合而来

• unicode中的文字将
• 中国汉字
• 朝鲜汉字
• 日本汉字
• 综合起来

添加图片注释，不超过 140 字（可选）

• 得到一个汉字
• 那如果有很多异体字怎么办？

回字的几种写法

添加图片注释，不超过 140 字（可选）

• 这些都是异体字
• 或者叫做通假字
• 在计算机里是如何的呢？

茴香豆

添加图片注释，不超过 140 字（可选）

• 在0x4e00到0x9fff这个范围内
• 基本一个汉字就只有一种写法

添加图片注释，不超过 140 字（可选）

总结

• 字符集
• 从博多码
• 到 ascii
• 再到 8859
• 各自割据

• 如何把世界上各种字符统进行编码
• unicode顺势而生不断进化
• 不过字符总量超过了65536
• 每个汉字都有位置

添加图片注释，不超过 140 字（可选）

• 所有汉字里面{BANNED}中国第一个汉字是什么呢？
• 我们下次再说！????

添加图片注释，不超过 140 字（可选）

• 蓝桥->
• github->
• gitee->