UNICODE,GBK,UTF-8区别
UNICODE,GBK,UTF-8区别
简单来说,unicode,gbk和大五码就是编码的值,而utf-8,uft-16之类就是这个值的表现形式.而前面那三种编码是一兼容的,同一个汉字,那三个码值是完全不一样的.如"汉"的uncode值与gbk就是不一样的,假设uncode为a040,gbk为b030,而uft-8码,就是把那个值表现的形式.utf-8码完全只针对uncode来组织的,如果GBK要转UTF-8必须先转uncode码,再转utf-8就OK了.
详细的就见下面转的这篇文章.
谈谈Unicode编码,简要解释UCS、UTF、BMP、BOM等名词
这是一篇程序员写给程序员的趣味读物。所谓趣味是指可以比较轻松地了解一些原来不清楚的概念,增进知识,类似于打RPG游戏的升级。整理这篇文章的动机是两个问题:
问题一:
使用Windows记事本的“另存为”,可以在GBK、Unicode、Unicode big endian和UTF-8这几种编码方式间相互转换。同样是txt文件,Windows是怎样识别编码方式的呢?
我很早前就发现Unicode、Unicode big endian和UTF-8编码的txt文件的开头会多出几个字节,分别是FF、FE(Unicode),FE、FF(Unicode big endian),EF、BB、BF(UTF-8)。但这些标记是基于什么标准呢?
问题二:
最近在网上看到一个ConvertUTF.c,实现了UTF-32、UTF-16和UTF-8这三种编码方式的相互转换。对于Unicode(UCS2)、GBK、UTF-8这些编码方式,我原来就了解。但这个程序让我有些糊涂,想不起来UTF-16和UCS2有什么关系。
查了查相关资料,总算将这些问题弄清楚了,顺带也了解了一些Unicode的细节。写成一篇文章,送给有过类似疑问的朋友。本文在写作时尽量做到通俗易懂,但要求读者知道什么是字节,什么是十六进制。
0、big endian和little endian
big endian和little endian是CPU处理多字节数的不同方式。例如“汉”字的Unicode编码是6C49。那么写到文件里时,究竟是将6C写在前面,还是将49写在前面?如果将6C写在前面,就是big endian。如果将49写在前面,就是little endian。
“endian”这个词出自《格列佛游记》。小人国的内战就源于吃鸡蛋时是究竟从大头(Big-Endian)敲开还是从小头(Little-Endian)敲开,由此曾发生过六次叛乱,一个皇帝送了命,另一个丢了王位。
我们一般将endian翻译成“字节序”,将big endian和little endian称作“大尾”和“小尾”。
1、字符编码、内码,顺带介绍汉字编码
字符必须编码后才能被计算机处理。计算机使用的缺省编码方式就是计算机的内码。早期的计算机使用7位的ASCII编码,为了处理汉字,程序员设计了用于简体中文的GB2312和用于繁体中文的big5。
GB2312(1980年)一共收录了7445个字符,包括6763个汉字和682个其它符号。汉字区的内码范围高字节从B0-F7,低字节从A1-FE,占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。
GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号,它分为汉字区和图形符号区。汉字区包括21003个字符。
从ASCII、GB2312到GBK,这些编码方法是向下兼容的,即同一个字符在这些方案中总是有相同的编码,后面的标准支持更多的字符。在这些编码中,英文和中文可以统一地处理。区分中文编码的方法是高字节的最高位不为0。按照程序员的称呼,GB2312、GBK都属于双字节字符集 (DBCS)。
2000年的GB18030是取代GBK1.0的正式国家标准。该标准收录了27484个汉字,同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。从汉字字汇上说,GB18030在GB13000.1的20902个汉字的基础上增加了CJK扩展A的6582个汉字(Unicode码0x3400-0x4db5),一共收录了27484个汉字。
CJK就是中日韩的意思。Unicode为了节省码位,将中日韩三国语言中的文字统一编码。GB13000.1就是ISO/IEC 10646-1的中文版,相当于Unicode 1.1。
GB18030的编码采用单字节、双字节和4字节方案。其中单字节、双字节和GBK是完全兼容的。4字节编码的码位就是收录了CJK扩展A的6582个汉字。例如:UCS的0x3400在GB18030中的编码应该是8139EF30,UCS的0x3401在GB18030中的编码应该是8139EF31。
微软提供了GB18030的升级包,但这个升级包只是提供了一套支持CJK扩展A的6582个汉字的新字体:新宋体-18030,并不改变内码。Windows 的内码仍然是GBK。
这里还有一些细节:
GB2312的原文还是区位码,从区位码到内码,需要在高字节和低字节上分别加上A0。
对于任何字符编码,编码单元的顺序是由编码方案指定的,与endian无关。例如GBK的编码单元是字节,用两个字节表示一个汉字。这两个字节的顺序是固定的,不受CPU字节序的影响。UTF-16的编码单元是word(双字节),word之间的顺序是编码方案指定的,word内部的字节排列才会受到endian的影响。后面还会介绍UTF-16。
GB2312的两个字节的最高位都是1。但符合这个条件的码位只有128*128=16384个。所以GBK和GB18030的低字节最高位都可能不是1。不过这不影响DBCS字符流的解析:在读取DBCS字符流时,只要遇到高位为1的字节,就可以将下两个字节作为一个双字节编码,而不用管低字节的高位是什么。
2、Unicode、UCS和UTF
前面提到从ASCII、GB2312、GBK到GB18030的编码方法是向下兼容的。而Unicode只与ASCII兼容(更准确地说,是与ISO-8859-1兼容),与GB码不兼容。例如“汉”字的Unicode编码是6C49,而GB码是BABA。
Unicode也是一种字符编码方法,不过它是由国际组织设计,可以容纳全世界所有语言文字的编码方案。Unicode的学名是”Universal Multiple-Octet Coded Character Set”,简称为UCS。UCS可以看作是”Unicode Character Set”的缩写。
根据维基百科全书(http://zh.wikipedia.org/wiki/)的记载:历史上存在两个试图独立设计Unicode的组织,即国际标准化组织(ISO)和一个软件制造商的协会(unicode.org)。ISO开发了ISO 10646项目,Unicode协会开发了Unicode项目。
在1991年前后,双方都认识到世界不需要两个不兼容的字符集。于是它们开始合并双方的工作成果,并为创立一个单一编码表而协同工作。从Unicode2.0开始,Unicode项目采用了与ISO 10646-1相同的字库和字码。
目前两个项目仍都存在,并独立地公布各自的标准。Unicode协会现在的最新版本是2005年的Unicode 4.1.0。ISO的最新标准是ISO 10646-3:2003。
UCS只是规定如何编码,并没有规定如何传输、保存这个编码。例如“汉”字的UCS编码是6C49,我可以用4个ascii数字来传输、保存这个编码;也可以用utf-8编码:3个连续的字节E6 B1 89来表示它。关键在于通信双方都要认可。UTF-8、UTF-7、UTF-16都是被广泛接受的方案。UTF-8的一个特别的好处是它与ISO-8859-1完全兼容。UTF是“UCS Transformation Format”的缩写。
IETF的RFC2781和RFC3629以RFC的一贯风格,清晰、明快又不失严谨地描述了UTF-16和UTF-8的编码方法。我总是记不得IETF是Internet Engineering Task Force的缩写。但IETF负责维护的RFC是Internet上一切规范的基础。
2.1、内码和code page
目前Windows的内核已经支持Unicode字符集,这样在内核上可以支持全世界所有的语言文字。但是由于现有的大量程序和文档都采用了某种特定语言的编码,例如GBK,Windows不可能不支持现有的编码,而全部改用Unicode。
Windows使用代码页(code page)来适应各个国家和地区。code page可以被理解为前面提到的内码。GBK对应的code page是CP936。
微软也为GB18030定义了code page:CP54936。但是由于GB18030有一部分4字节编码,而Windows的代码页只支持单字节和双字节编码,所以这个code page是无法真正使用的。
3、UCS-2、UCS-4、BMP
UCS有两种格式:UCS-2和UCS-4。顾名思义,UCS-2就是用两个字节编码,UCS-4就是用4个字节(实际上只用了31位,最高位必须为0)编码。下面让我们做一些简单的数学游戏:
UCS-2有2^16=65536个码位,UCS-4有2^31=2147483648个码位。
UCS-4根据最高位为0的最高字节分成2^7=128个group。每个group再根据次高字节分为256个plane。每个plane根据第3个字节分为256行 (rows),每行包含256个cells。当然同一行的cells只是最后一个字节不同,其余都相同。
group 0的plane 0被称作Basic Multilingual Plane, 即BMP。或者说UCS-4中,高两个字节为0的码位被称作BMP。
将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。在UCS-2的两个字节前加上两个零字节,就得到了UCS-4的BMP。而目前的UCS-4规范中还没有任何字符被分配在BMP之外。
4、UTF编码
UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下:
UCS-2编码(16进制) UTF-8 字节流(二进制)
0000 – 007F 0xxxxxxx
0080 – 07FF 110xxxxx 10xxxxxx
0800 – FFFF 1110xxxx 10xxxxxx 10xxxxxx
例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间,所以肯定要用3字节模板了:1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是:0110 110001 001001,用这个比特流依次代替模板中的x,得到:11100110 10110001 10001001,即E6 B1 89。
读者可以用记事本测试一下我们的编码是否正确。需要注意,UltraEdit在打开utf-8编码的文本文件时会自动转换为UTF-16,可能产生混淆。你可以在设置中关掉这个选项。更好的工具是Hex Workshop。
UTF-16以16位为单元对UCS进行编码。对于小于0x10000的UCS码,UTF-16编码就等于UCS码对应的16位无符号整数。对于不小于0x10000的UCS码,定义了一个算法。不过由于实际使用的UCS2,或者UCS4的BMP必然小于0x10000,所以就目前而言,可以认为UTF-16和UCS-2基本相同。但UCS-2只是一个编码方案,UTF-16却要用于实际的传输,所以就不得不考虑字节序的问题。
5、UTF的字节序和BOM
UTF-8以字节为编码单元,没有字节序的问题。UTF-16以两个字节为编码单元,在解释一个UTF-16文本前,首先要弄清楚每个编码单元的字节序。例如“奎”的Unicode编码是594E,“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”,那么这是“奎”还是“乙”?
Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表,而是Byte order Mark。BOM是一个有点小聪明的想法:
在UCS编码中有一个叫做”ZERO WIDTH NO-BREAK SPACE”的字符,它的编码是FEFF。而FFFE在UCS中是不存在的字符,所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前,先传输字符”ZERO WIDTH NO-BREAK SPACE”。
这样如果接收者收到FEFF,就表明这个字节流是Big-Endian的;如果收到FFFE,就表明这个字节流是Little-Endian的。因此字符”ZERO WIDTH NO-BREAK SPACE”又被称作BOM。
UTF-8不需要BOM来表明字节顺序,但可以用BOM来表明编码方式。字符”ZERO WIDTH NO-BREAK SPACE”的UTF-8编码是EF BB BF(读者可以用我们前面介绍的编码方法验证一下)。所以如果接收者收到以EF BB BF开头的字节流,就知道这是UTF-8编码了。
Windows就是使用BOM来标记文本文件的编码方式的。
6、进一步的参考资料
本文主要参考的资料是 “Short overview of ISO-IEC 10646 and Unicode” (http://www.nada.kth.se/i18n/ucs/unicode-iso10646-oview.html)。
我还找了两篇看上去不错的资料,不过因为我开始的疑问都找到了答案,所以就没有看:
“Understanding Unicode A general introduction to the Unicode Standard” (http://scripts.sil.org/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter04a)
“Character set encoding basics Understanding character set encodings and legacy encodings” (http://scripts.sil.org/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter03)
我写过UTF-8、UCS-2、GBK相互转换的软件包,包括使用Windows API和不使用Windows API的版本。以后有时间的话,我会整理一下放到我的个人主页上(http://fmddlmyy.home4u.china.com)。
我是想清楚所有问题后才开始写这篇文章的,原以为一会儿就能写好。没想到考虑措辞和查证细节花费了很长时间,竟然从下午1:30写到9:00。希望有读者能从中受益。
附录1 再说说区位码、GB2312、内码和代码页
有的朋友对文章中这句话还有疑问:
“GB2312的原文还是区位码,从区位码到内码,需要在高字节和低字节上分别加上A0。”
我再详细解释一下:
“GB2312的原文”是指国家1980年的一个标准《中华人民共和国国家标准信息交换用汉字编码字符集 基本集 GB 2312-80》。这个标准用两个数来编码汉字和中文符号。第一个数称为“区”,第二个数称为“位”。所以也称为区位码。1-9区是中文符号,16-55区是一级汉字,56-87区是二级汉字。现在Windows也还有区位输入法,例如输入1601得到“啊”。(这个区位输入法可以自动识别16进制的GB2312和10进制的区位码,也就是说输入B0A1同样会得到“啊”。)
内码是指操作系统内部的字符编码。早期操作系统的内码是与语言相关的。现在的Windows在系统内部支持Unicode,然后用代码页适应各种语言,“内码”的概念就比较模糊了。微软一般将缺省代码页指定的编码说成是内码。
内码这个词汇,并没有什么官方的定义,代码页也只是微软这个公司的叫法。作为程序员,我们只要知道它们是什么东西,没有必要过多地考证这些名词。
所谓代码页(code page)就是针对一种语言文字的字符编码。例如GBK的code page是CP936,BIG5的code page是CP950,GB2312的code page是CP20936。
Windows中有缺省代码页的概念,即缺省用什么编码来解释字符。例如Windows的记事本打开了一个文本文件,里面的内容是字节流:BA、BA、D7、D6。Windows应该去怎么解释它呢?
是按照Unicode编码解释、还是按照GBK解释、还是按照BIG5解释,还是按照ISO8859-1去解释?如果按GBK去解释,就会得到“汉字”两个字。按照其它编码解释,可能找不到对应的字符,也可能找到错误的字符。所谓“错误”是指与文本作者的本意不符,这时就产生了乱码。
答案是Windows按照当前的缺省代码页去解释文本文件里的字节流。缺省代码页可以通过控制面板的区域选项设置。记事本的另存为中有一项ANSI,其实就是按照缺省代码页的编码方法保存。
Windows的内码是Unicode,它在技术上可以同时支持多个代码页。只要文件能说明自己使用什么编码,用户又安装了对应的代码页,Windows就能正确显示,例如在HTML文件中就可以指定charset。
有的HTML文件作者,特别是英文作者,认为世界上所有人都使用英文,在文件中不指定charset。如果他使用了0x80-0xff之间的字符,中文Windows又按照缺省的GBK去解释,就会出现乱码。这时只要在这个html文件中加上指定charset的语句,例如:
<meta http-equiv=”Content-Type” content=”text/html; charset=ISO8859-1″>
如果原作者使用的代码页和ISO8859-1兼容,就不会出现乱码了。
再说区位码,啊的区位码是1601,写成16进制是0x10,0x01。这和计算机广泛使用的ASCII编码冲突。为了兼容00-7f的ASCII编码,我们在区位码的高、低字节上分别加上A0。这样“啊”的编码就成为B0A1。我们将加过两个A0的编码也称为GB2312编码,虽然GB2312的原文根本没提到这一点。
希腊字母表 | |||
大写 | 小写 | 英语 | 发音 |
Α | α | alpha | AL-fuh |
Β | β | beta | BAY-tuh, BEE-tuh |
Γ | γ | gamma | GAM-uh |
Δ | δ | delta | DELL-tuh |
Ε | ε | epsilon | EP-suh-lon |
Ζ | ζ | zeta | ZAY-tuh, ZEE-tuh |
Η | η | eta | AY-tuh (rhymes with BAY-tuh), EE-tuh |
Θ | θ | theta | THAY-tuh, THEE-tuh (th as in thin) |
Ι | ι | iota | eye-OH-tuh |
Κ | κ | kappa | CAP-uh |
Λ | λ | lambda | LAM-duh |
Μ | μ | mu | MYOO, MOO |
Ν | ν | nu | NOO, NYOO |
Ξ | ξ | xi | ZIGH, SIGH, KSEE |
Ο | ο | omicron | AH-mih-cron, OH-mih-cron |
Π | π | pi | PIE |
Ρ | ρ | rho | ROE |
Σ | σ | sigma | SIG-muh |
Τ | τ | tau | TOW (rhymes with cow), TAW |
Υ | υ | upsilon | UP-suh-lon, YOOP-suh-lon |
Φ | φ | phi | FIE, FEE |
Χ | χ | chi | KIGH, KEE |
Ψ | ψ | psi | SIGH, PSIGH, PSEE |
Ω | ω | omega | oh-MEG-uh, oh-MEE-guh, oh-MAY-guh |
ASCII码表
Decimal Octal Hex Binary Value ------- ----- --- ------ ----- 000 000 000 00000000 NUL (Null char.) 001 001 001 00000001 SOH (Start of Header) 002 002 002 00000010 STX (Start of Text) 003 003 003 00000011 ETX (End of Text) 004 004 004 00000100 EOT (End of Transmission) 005 005 005 00000101 ENQ (Enquiry) 006 006 006 00000110 ACK (Acknowledgment) 007 007 007 00000111 BEL (Bell) 008 010 008 00001000 BS (Backspace) 009 011 009 00001001 HT (Horizontal Tab) 010 012 00A 00001010 LF (Line Feed) 011 013 00B 00001011 VT (Vertical Tab) 012 014 00C 00001100 FF (Form Feed) 013 015 00D 00001101 CR (Carriage Return) 014 016 00E 00001110 SO (Shift Out) 015 017 00F 00001111 SI (Shift In) 016 020 010 00010000 DLE (Data Link Escape) 017 021 011 00010001 DC1 (XON) (Device Control 1) 018 022 012 00010010 DC2 (Device Control 2) 019 023 013 00010011 DC3 (XOFF)(Device Control 3) 020 024 014 00010100 DC4 (Device Control 4) 021 025 015 00010101 NAK (Negative Acknowledgement) 022 026 016 00010110 SYN (Synchronous Idle) 023 027 017 00010111 ETB (End of Trans. Block) 024 030 018 00011000 CAN (Cancel) 025 031 019 00011001 EM (End of Medium) 026 032 01A 00011010 SUB (Substitute) 027 033 01B 00011011 ESC (Escape) 028 034 01C 00011100 FS (File Separator) 029 035 01D 00011101 GS (Group Separator) 030 036 01E 00011110 RS (Req to Send)(Rec Sep) 031 037 01F 00011111 US (Unit Separator) 032 040 020 00100000 SP (Space) 033 041 021 00100001 ! 034 042 022 00100010 " 035 043 023 00100011 # 036 044 024 00100100 $ 037 045 025 00100101 % 038 046 026 00100110 & 039 047 027 00100111 ' 040 050 028 00101000 ( 041 051 029 00101001 ) 042 052 02A 00101010 * 043 053 02B 00101011 + 044 054 02C 00101100 , 045 055 02D 00101101 - 046 056 02E 00101110 . 047 057 02F 00101111 / 048 060 030 00110000 0 049 061 031 00110001 1 050 062 032 00110010 2 051 063 033 00110011 3 052 064 034 00110100 4 053 065 035 00110101 5 054 066 036 00110110 6 055 067 037 00110111 7 056 070 038 00111000 8 057 071 039 00111001 9 058 072 03A 00111010 : 059 073 03B 00111011 ; 060 074 03C 00111100 < 061 075 03D 00111101 = 062 076 03E 00111110 > 063 077 03F 00111111 ? 064 100 040 01000000 @ 065 101 041 01000001 A 066 102 042 01000010 B 067 103 043 01000011 C 068 104 044 01000100 D 069 105 045 01000101 E 070 106 046 01000110 F 071 107 047 01000111 G 072 110 048 01001000 H 073 111 049 01001001 I 074 112 04A 01001010 J 075 113 04B 01001011 K 076 114 04C 01001100 L 077 115 04D 01001101 M 078 116 04E 01001110 N 079 117 04F 01001111 O 080 120 050 01010000 P 081 121 051 01010001 Q 082 122 052 01010010 R 083 123 053 01010011 S 084 124 054 01010100 T 085 125 055 01010101 U 086 126 056 01010110 V 087 127 057 01010111 W 088 130 058 01011000 X 089 131 059 01011001 Y 090 132 05A 01011010 Z 091 133 05B 01011011 [ 092 134 05C 01011100 \ 093 135 05D 01011101 ] 094 136 05E 01011110 ^ 095 137 05F 01011111 _ 096 140 060 01100000 ` 097 141 061 01100001 a 098 142 062 01100010 b 099 143 063 01100011 c 100 144 064 01100100 d 101 145 065 01100101 e 102 146 066 01100110 f 103 147 067 01100111 g 104 150 068 01101000 h 105 151 069 01101001 i 106 152 06A 01101010 j 107 153 06B 01101011 k 108 154 06C 01101100 l 109 155 06D 01101101 m 110 156 06E 01101110 n 111 157 06F 01101111 o 112 160 070 01110000 p 113 161 071 01110001 q 114 162 072 01110010 r 115 163 073 01110011 s 116 164 074 01110100 t 117 165 075 01110101 u 118 166 076 01110110 v 119 167 077 01110111 w 120 170 078 01111000 x 121 171 079 01111001 y 122 172 07A 01111010 z 123 173 07B 01111011 { 124 174 07C 01111100 | 125 175 07D 01111101 } 126 176 07E 01111110 ~ 127 177 07F 01111111 DEL
HTTP错误码
HTTP 2xx 成功 HTTP 200 正常;请求已完成。 HTTP 201 正常;紧接 POST 命令。 HTTP 202 正常;已接受用于处理,但处理尚未完成。 HTTP 203 正常;部分信息 — 返回的信息只是一部分。 HTTP 204 正常;无响应 — 已接收请求,但不存在要回送的信息。 HTTP 3xx 重定向 HTTP 301 已移动 — 请求的数据具有新的位置且更改是永久的。 HTTP 302 已找到 — 请求的数据临时具有不同 URI。 HTTP 303 请参阅其它 — 可在另一 URI 下找到对请求的响应,且应使用 GET 方法检索此响应。 HTTP 304 未修改 — 未按预期修改文档。 HTTP 305 使用代理 — 必须通过位置字段中提供的代理来访问请求的资源。 HTTP 306 未使用 — 不再使用;保留此代码以便将来使用。 HTTP 4xx 客户机中出现的错误 HTTP 400 错误请求 — 请求中有语法问题,或不能满足请求。 HTTP 401 未授权 — 未授权客户机访问数据。 HTTP 401.1 - 未授权:登录失败 HTTP 401.2 - 未授权:服务器配置问题导致登录失败 HTTP 401.3 - ACL 禁止访问资源 HTTP 401.4 - 未授权:授权被筛选器拒绝 HTTP 401.5 - 未授权:ISAPI 或 CGI 授权失败 HTTP 402 需要付款 — 表示计费系统已有效。 HTTP 403 - 禁止访问 HTTP 403 - 对 Internet 服务管理器 (HTML) 的访问仅限于 Localhost HTTP 403.1 禁止访问:禁止可执行访问 HTTP 403.2 - 禁止访问:禁止读访问 HTTP 403.3 - 禁止访问:禁止写访问 HTTP 403.4 - 禁止访问:要求 SSL HTTP 403.5 - 禁止访问:要求 SSL 128 HTTP 403.6 - 禁止访问:IP 地址被拒绝 HTTP 403.7 - 禁止访问:要求客户证书 HTTP 403.8 - 禁止访问:禁止站点访问 HTTP 403.9 - 禁止访问:连接的用户过多 HTTP 403.10 - 禁止访问:配置无效 HTTP 403.11 - 禁止访问:密码更改 HTTP 403.12 - 禁止访问:映射器拒绝访问 HTTP 403.13 - 禁止访问:客户证书已被吊销 HTTP 403.15 - 禁止访问:客户访问许可过多 HTTP 403.16 - 禁止访问:客户证书不可信或者无效 HTTP 403.17 - 禁止访问:客户证书已经到期或者尚未生效 HTTP 404.1 - 无法找到 Web 站点 HTTP 404 - 无法找到文件 HTTP 405 - 资源被禁止 HTTP 406 - 无法接受 HTTP 407 - 要求代理身份验证 HTTP 410 - 永远不可用 HTTP 412 - 先决条件失败 HTTP 414 - 请求 - URI 太长 HTTP 415 介质类型不受支持 — 服务器拒绝服务请求,因为不支持请求实体的格式。 HTTP 5xx 服务器中出现的错误 HTTP 500 内部错误 — 因为意外情况,服务器不能完成请求。 HTTP 500.100 - 内部服务器错误 - ASP 错误 HTTP 500-11 服务器关闭 HTTP 500-12 应用程序重新启动 HTTP 500-13 - 服务器太忙 HTTP 500-14 - 应用程序无效 HTTP 500-15 - 不允许请求 global.asa HTTP 501 未执行 — 服务器不支持请求的工具。 HTTP 502 错误网关 — 服务器接收到来自上游服务器的无效响应。 HTTP 503 无法获得服务 — 由于临时过载或维护,服务器无法处理请求。
URL编码表
backspace %08 tab %09 linefeed %0A creturn %0D space %20 ! %21 " %22 # %23 $ %24 % %25 & %26 ' %27 ( %28 ) %29 * %2A + %2B , %2C - %2D . %2E / %2F 0 %30 1 %31 2 %32 3 %33 4 %34 5 %35 6 %36 7 %37 8 %38 9 %39 : %3A ; %3B < %3C = %3D > %3E ? %3F @ %40 A %41 B %42 C %43 D %44 E %45 F %46 G %47 H %48 I %49 J %4A K %4B L %4C M %4D N %4E O %4F P %50 Q %51 R %52 S %53 T %54 U %55 V %56 W %57 X %58 Y %59 Z %5A [ %5B \ %5C ] %5D ^ %5E _ %5F ` %60 a %61 b %62 c %63 d %64 e %65 f %66 g %67 h %68 i %69 j %6A k %6B l %6C m %6D n %6E o %6F p %70 q %71 r %72 s %73 t %74 u %75 v %76 w %77 x %78 y %79 z %7A { %7B | %7C } %7D ~ %7E ¢ %A2 £ %A3 ¥ %A5 | %A6 § %A7 « %AB ¬ %AC ¯ %AD º %B0 ± %B1 ª %B2 , %B4 µ %B5 » %BB ¼ %BC ½ %BD ¿ %BF À %C0 Á %C1 Â %C2 Ã %C3 Ä %C4 Å %C5 Æ %C6 Ç %C7 È %C8 É %C9 Ê %CA Ë %CB Ì %CC Í %CD Î %CE Ï %CF Ð %D0 Ñ %D1 Ò %D2 Ó %D3 Ô %D4 Õ %D5 Ö %D6 Ø %D8 Ù %D9 Ú %DA Û %DB Ü %DC Ý %DD Þ %DE ß %DF à %E0 á %E1 â %E2 ã %E3 ä %E4 å %E5 æ %E6 ç %E7 è %E8 é %E9 ê %EA ë %EB ì %EC í %ED î %EE ï %EF ð %F0 ñ %F1 ò %F2 ó %F3 ô %F4 õ %F5 ö %F6 ÷ %F7 ø %F8 ù %F9 ú %FA û %FB ü %FC ý %FD þ %FE ÿ %FF
HTML特殊字符
left single quote | ‘ | ‘ | |
right single quote | ’ | ’ | |
single low-9 quote | ‚ | ‚ | |
left double quote | “ | “ | |
right double quote | ” | ” | |
double low-9 quote | „ | „ | |
dagger | † | † | |
double dagger | ‡ | ‡ | |
per mill sign | ‰ | ‰ | |
single left-pointing angle quote | ‹ | ‹ | |
single right-pointing angle quote | › | › | |
black spade suit | ♠ | ♠ | |
black club suit | ♣ | ♣ | |
black heart suit | ♥ | ♥ | |
black diamond suit | ♦ | ♦ | |
overline, = spacing overscore | ‾ | ‾ | |
leftward arrow | ← | ← | |
upward arrow | ↑ | ↑ | |
rightward arrow | → | → | |
downward arrow | ↓ | ↓ | |
trademark sign | ™ | ™ | ™ |
unused | �- | ||
horizontal tab | 	 | ||
line feed | | ||
unused |  | ||
space |   | ||
exclamation mark | ! | ! | |
double quotation mark | " | " | “ |
number sign | # | # | |
dollar sign | $ | $ | |
percent sign | % | % | |
ampersand | & | & | & |
apostrophe | ' | ‘ | |
left parenthesis | ( | ( | |
right parenthesis | ) | ) | |
asterisk | * | * | |
plus sign | + | + | |
comma | , | , | |
hyphen | - | – | |
period | . | . | |
slash | / | ⁄ | / |
digits 0-9 | 0- 9 |
||
colon | : | : | |
semicolon | ; | ; | |
less-than sign | < | < | < |
equals sign | = | = | |
greater-than sign | > | > | > |
question mark | ? | ? | |
at sign | @ | @ | |
uppercase letters A-Z | A- Z |
||
left square bracket | [ | [ | |
backslash | \ | \ | |
right square bracket | ] | ] | |
caret | ^ | ^ | |
horizontal bar (underscore) | _ | _ | |
grave accent | ` | ` | |
lowercase letters a-z | a- z |
||
left curly brace | { | { |
|
vertical bar | | | | | |
right curly brace | } | } | |
tilde | ~ | ~ | |
unused | -• | ||
en dash | – | – | – |
em dash | — | — | — |
unused | ˜- Ÿ |
||
nonbreaking space |   | | |
inverted exclamation | ¡ | ¡ | ¡ |
cent sign | ¢ | ¢ | ¢ |
pound sterling | £ | £ | £ |
general currency sign | ¤ | ¤ | ¤ |
yen sign | ¥ | ¥ | ¥ |
broken vertical bar | ¦ | ¦ or &brkbar; | ¦ |
section sign | § | § | § |
umlaut | ¨ | ¨ or ¨ | ¨ |
copyright | © | © | © |
feminine ordinal | ª | ª | ª |
left angle quote | « | « | « |
not sign | ¬ | ¬ | ¬ |
soft hyphen | ­ | ­ | |
registered trademark | ® | ® | ® |
macron accent | ¯ | ¯ or &hibar; | ¯ |
degree sign | ° | ° | ° |
plus or minus | ± | ± | ± |
superscript two | ² | ² | ² |
superscript three | ³ | ³ | ³ |
acute accent | ´ | ´ | ´ |
micro sign | µ | µ | µ |
paragraph sign | ¶ | ¶ | ¶ |
middle dot | · | · | · |
cedilla | ¸ | ¸ | ¸ |
superscript one | ¹ | ¹ | ¹ |
masculine ordinal | º | º | º |
right angle quote | » | » | » |
one-fourth | ¼ | ¼ | ¼ |
one-half | ½ | ½ | ½ |
three-fourths | ¾ | ¾ | ¾ |
inverted question mark | ¿ | ¿ | ¿ |
uppercase A, grave accent | À | À | À |
uppercase A, acute accent | Á | Á | Á |
uppercase A, circumflex accent | Â | Â | Â |
uppercase A, tilde | Ã | Ã | Ã |
uppercase A, umlaut | Ä | Ä | Ä |
uppercase A, ring | Å | Å | Å |
uppercase AE | Æ | Æ | Æ |
uppercase C, cedilla | Ç | Ç | Ç |
uppercase E, grave accent | È | È | È |
uppercase E, acute accent | É | É | É |
uppercase E, circumflex accent | Ê | Ê | Ê |
uppercase E, umlaut | Ë | Ë | Ë |
uppercase I, grave accent | Ì | Ì | Ì |
uppercase I, acute accent | Í | Í | Í |
uppercase I, circumflex accent | Î | Î | Î |
uppercase I, umlaut | Ï | Ï | Ï |
uppercase Eth, Icelandic | Ð | Ð | Ð |
uppercase N, tilde | Ñ | Ñ | Ñ |
uppercase O, grave accent | Ò | Ò | Ò |
uppercase O, acute accent | Ó | Ó | Ó |
uppercase O, circumflex accent | Ô | Ô | Ô |
uppercase O, tilde | Õ | Õ | Õ |
uppercase O, umlaut | Ö | Ö | Ö |
multiplication sign | × | × | × |
uppercase O, slash | Ø | Ø | Ø |
uppercase U, grave accent | Ù | Ù | Ù |
uppercase U, acute accent | Ú | Ú | Ú |
uppercase U, circumflex accent | Û | Û | Û |
uppercase U, umlaut | Ü | Ü | Ü |
uppercase Y, acute accent | Ý | Ý | Ý |
uppercase THORN, Icelandic | Þ | Þ | Þ |
lowercase sharps, German | ß | ß | ß |
lowercase a, grave accent | à | à | à |
lowercase a, acute accent | á | á | á |
lowercase a, circumflex accent | â | â | â |
lowercase a, tilde | ã | ã | ã |
lowercase a, umlaut | ä | ä | ä |
lowercase a, ring | å | å | å |
lowercase ae | æ | æ | æ |
lowercase c, cedilla | ç | ç | ç |
lowercase e, grave accent | è | è | è |
lowercase e, acute accent | é | é | é |
lowercase e, circumflex accent | ê | ê | ê |
lowercase e, umlaut | ë | ë | ë |
lowercase i, grave accent | ì | ì | ì |
lowercase i, acute accent | í | í | í |
lowercase i, circumflex accent | î | î | î |
lowercase i, umlaut | ï | ï | ï |
lowercase eth, Icelandic | ð | ð | ð |
lowercase n, tilde | ñ | ñ | ñ |
lowercase o, grave accent | ò | ò | ò |
lowercase o, acute accent | ó | ó | ó |
lowercase o, circumflex accent | ô | ô | ô |
lowercase o, tilde | õ | õ | õ |
lowercase o, umlaut | ö | ö | ö |
division sign | ÷ | ÷ | ÷ |
lowercase o, slash | ø | ø | ø |
lowercase u, grave accent | ù | ù | ù |
lowercase u, acute accent | ú | ú | ú |
lowercase u, circumflex accent | û | û | û |
lowercase u, umlaut | ü | ü | ü |
lowercase y, acute accent | ý | ý | ý |
lowercase thorn, Icelandic | þ | þ | þ |
lowercase y, umlaut | ÿ | ÿ | ÿ |
Alpha | Α | Α | |
alpha | α | α | |
Beta | Β | Β | |
beta | β | β | |
Gamma | Γ | Γ | |
gamma | γ | γ | |
Delta | Δ | Δ | |
delta | δ | δ | |
Epsilon | Ε | Ε | |
epsilon | ε | ε | |
Zeta | Ζ | Ζ | |
zeta | ζ | ζ | |
Eta | Η | Η | |
eta | η | η | |
Theta | Θ | Θ | |
theta | θ | θ | |
Iota | Ι | Ι | |
iota | ι | ι | |
Kappa | Κ | Κ | |
kappa | κ | κ | |
Lambda | Λ | Λ | |
lambda | λ | λ | |
Mu | Μ | Μ | |
mu | μ | μ | |
Nu | Ν | Ν | |
nu | ν | ν | |
Xi | Ξ | Ξ | |
xi | ξ | ξ | |
Omicron | Ο | Ο | |
omicron | ο | ο | |
Pi | Π | Π | |
pi | π | π | |
Rho | Ρ | Ρ | |
rho | ρ | ρ | |
Sigma | Σ | Σ | |
sigma | σ | σ | |
Tau | Τ | Τ | |
tau | τ | τ | |
Upsilon | Υ | Υ | |
upsilon | υ | υ | |
Phi | Φ | Φ | |
phi | φ | φ | |
Chi | Χ | Χ | |
chi | χ | χ | |
Psi | Ψ | Ψ | |
psi | ψ | ψ | |
Omega | Ω | Ω | |
omega | ω | ω | |
password dot | ● | ● |
汉字编码简明对照表 |
说明: 1、下列汉字取自国标(GB 2312-80)中的分级与排列内容;包含所有的第一级汉字和第二级汉字中的常用部分。 2、第一级汉字(16—55区的汉字)以拼音字母为序进行排列,同音字以笔形顺序横、竖、撇、捺、折为序,起笔相同的按第二笔,依次类推;第二级汉字(56-87区的汉字)按部首为序进行排列。 3、对于多音字,仅在表中出现一次。如:柏,音(bai,bo),表中仅出现在“bai”中。 4、汉字区位码用阿拉伯数字表示,每个汉字对应4个数字。 5、本汉字代码表摘自《字符集和信息编码 国家标准汇编》,(中国标准出版社,1998年编)。 |
今天的文章UTF-8,Unicode,GBK,希腊字母读法,ASCII码表,HTTP错误码,URL编码表,HTML特殊字符,汉字编码简明对照表…分享到此就结束了,感谢您的阅读,如果确实帮到您,您可以动动手指转发给其他人。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:http://bianchenghao.cn/26796.html