ASCII, LATIN1, UTF8 簡介

轉載:http://blog.csdn.net/allen5200/article/details/6319832

ASCII-American Standard Code for Information Interchange

• Character repertoire: 
  ASCII 嚴格來講就是7個bit大小的字元集，也就是code point介於0-127之間的字元集合。
• Character code: 
  32-126之間的字元是可列印字元，其他是控制字元。
• Character encoding: 
  ASCII可以沒有任何編碼就可以在電腦中用一個位元組表示，也就是每個code point被表示成等價的單位元組二進位形式。

LATIN1-8bit sing byte coded graphic character sets.

• Character repertoire:
  Aka ISO-8859-1。是7bit ASCII 字元集的擴充的一種，是8個bit大小的字元集，也就是code point 介於0-255之間的字元集和。
• Character code:
  包含有191個可列印字元，其餘是控制字元或者擴充的歐洲特殊字元。
• Character encoding:
  與ASCII相似， 每個code point被表示成等價的單位元組二進位形式。

UTF8-8bit Unicode Transfer Format

• Character repertoire:
  包含世界上大部分書寫系統的使用的字元，大概1百萬個code point (1,114,112 = 220 + 216 )。
• Character code:
  
  2,684個保留字元。 98893個圖形字元。 435個控制，格式化等特殊用途的字元 。
• Character encoding:
  是針對Unicode的一種變長的字元編碼。能表示Unicode標準中任意一個字元。 UTF8可以將一個字元編碼乘1到4個位元組大小來表示。

1. 128US-ASCII 字元需要一個位元組（U+0000-U+007F)

2. 對於帶有區分符號的Latin字母和來自西歐的字元需要兩個位元組(U+0080-U+7FF)

3. BMP其他的字元需要3個位元組

4. Non-BMP的其他字元需要4個位元組。

ASCII, LATIN1, UTF8 關係：

    為了向後相容， Unicode分配128ASCII和256 LATIN1字元的code point沒有改變，與它們在ASCII和Latin1的code point 相同。 因此一個只包含ASCII字元的UTF8檔案等同於ASCII檔案。 同理，每個正確編碼的ASCII檔案也是有效地UTF8檔案。對於12-256的LATIN1字元，因為其編碼的特殊性-UTF8需要2個位元組來表示一個 LATIN1字元，也就是二者編碼的檔案當然不能等價。

     如果只考慮各個編碼單位元組的外圍：ASCII(0-127), LATIN1(0-255), UTF8(0-253), 一個UTF8編碼的字串也能被儲存為LATIN1檔案，但顯然是亂碼的。反過來，LATIN1編碼的檔案是無法存為一個UTF8的檔案，因為一個大於 253的字元在UTF8中是不存在的。