Encoding 如果是中文，代码页是如何工作的

在中文/日语的情况下如何工作

它无法在一个字节的范围内对这些语言的所有字母表字符进行编码，那么它是如何工作的呢

---

请注意，我讲的是Unicode之前的时间。

我最熟悉日语，但一般来说，对于任何需要更多字符的语言，其策略都是相同的，而不是一个字节中所包含的字符-您使用的是可变宽度多字节编码，其中一些字节被识别为开始“宽”字符和ASCII被单独保留

在早期，所谓的“ASCII安全”编码很有用。它们只使用七位（高位始终为0），因此它们与各种系统（包括硬件）一起工作，这些系统只希望控制字符在任何字节中设置高位。ISO-2022-JP就是其中之一，并且仍然经常在电子邮件中使用（主要是在功能手机上）

以下是ISO-2022-JP在不解码的情况下的外观：

echo "日本語" | iconv -f utf8 -t iso2022jp | cat -v
^[$BF|K\8l^[(B

请注意，“test”未更改，所有其他字符都是有效的ASCII字符

^[

是ASCII转义字符。（ISO-2022也有8位版本，但7位是最常用的版本。）

后来的可变宽度编码，如EUC、Shift JIS和UTF-8，除了使用二进制（非ASCII）转义外，所有工作原理相同，因此任何多字节字符的第一个字符都具有高位集（即，无符号字节值>128）。有一个很好的表格解释UTF如何处理这个问题。就像旧的ASCII安全编码一样，这些编码保持ASCII字符串不变

也有固定宽度的多字节编码，但它们相对不常见。曾有人试图推广一种编码，这种编码每样东西只使用两个字节，称为“UCS-2”，但最终没有足够的空间容纳足够的字符，并在20世纪90年代被可变宽度的UTF-16取代。UTF-16是（实际上）Java和Javascript中使用的内部编码，但由于UCS-2的历史，有时字符串长度之类的东西会以奇怪的方式工作

---

存在技术上固定的宽度，但它没有被广泛使用，我个人也从未在野外遇到过。

简短回答：两个字节！！对于unicode，一个字符实际上可以有很多字节。特别是如果它有很多修饰符的话。u For intance通常是2，但可以是3，这取决于规范化。@Evert我说的是unicode之前的timesIn在这种情况下，您可能会对Unicode之前的多字节编码感兴趣。例如，还有其他的。因此，在UTF-n编码之前，有几种可变宽度的多字节编码专门为中国/日本/韩国设计，它们处理字符的方式或多或少与UTF-8编码相同（前导位表示它是否是非ASCII符号的一部分）。我说的对吗？旧的多字节编码通常有7位安全选项，因此它们不使用前导位；7位ISO-2022使用ASCII转义字符（十进制值033）例如。但基本上是相同的想法。哦，ASCII转义是八进制033，而不是十进制。错误的列：P