Character encoding 关于代码页使用的术语和概念

我在研究代码页的过程中，遇到了许多术语的冲突用法，甚至在不同的维基百科条目中。我就是找不到一个信息源，它可以解释从头到尾的整个字符处理过程。熟悉这一领域的人能否提出以下信息不准确或不正确的方式：

据我所知，字符表示的过程：

• 我们从一组与任何特定平台都不相关的符号开始（这里不确定正确的术语，可能是“脚本”）例如，西里尔字母“在Windows上下文中指的是与Linux中相同的实体

• 这些集合的成员通常是由供应商选择的，以形成特定于平台的字符集。平台可能会分配这些不同的代码，例如Windows上的GDI值（例如，ANSI_字符集的0和此处提到的其他代码：）。我找不到关于这些集合的太多信息，比如它们是否实际上是编码字符集，或者它们是否只是无序和抽象的

• 从这些集合中，可以开发出具有GDI值的一对一映射的各个代码页。由于这些GDI值似乎表示依赖于平台的集合，这是否意味着Windows代码页本质上是每个集合的编码版本

我很难将这一想法与之前向我展示的一个链接（我丢失了这个链接），该链接显示了这些GDI字符集和跨不同平台的代码页之间的一对多映射。这是否准确，这些GDI值是否指向可以在不同平台上开发不同代码页的集合

• 每个代码页将抽象字符集的一个成员映射到一个整数上，以表示其在集合中的位置。对于上述网页中提到的“更简单”代码页，可以使用更精确的“字符映射”术语来指代这些代码页。这个术语值得考虑吗，还是区别太微妙和不重要了

• 如果字体包含用于代码点的字形，则字体将代码点解析为字形，否则会报告失败。我还读到，字体可能会返回它自己的空白字形，用于它不支持的代码点。应用程序能否区分此空白图示符和成功解析，即字体是否返回与此空白图示符排序的错误代码

---

我相信这就是我困惑的程度。这方面的任何澄清都是非常宝贵的。提前感谢。

你基本上是对的：

• 从已知字符数开始
• 选择此字符的子集（字符集）
• 将这些映射到位模式（代码页和编码）
• 通过将字符与字形组合（即使用字体、位模式和将位模式映射到字符的代码页/编码），将这些字符呈现到输出设备

在不同的平台上，有类似的代码页。甚至在许多代码页中，也存在类似的值到字符的映射。例如，Windows Latin、Mac Roman和unicode为前127个值共享字符。代码页有一些标准化（例如日语），以便机器可以交互

---

一般来说，对于新的开发，您应该使用带有流行编码之一的unicode代码页。UTF8在大多数现代系统上都很流行。UTF16LE用于以W结尾的Windows系统调用。

这可能是一个很好的匹配：

代码页比位模式高一级。更安全的做法是在为字符分配数字的级别和物理表示（位）之间进行区分。例如html/xml敥；仍然是Unicode编码，但位不是您所期望的。如果您使用Unicode标准（第3章），它们将区分“Unicode编码形式”（即UTF-16）和“Unicode编码方案”（即UTF-16LE/UTF-16BE）。()