資料表示基礎：ASCII 和 Unicode

試卷 2 - ⇑ 資料表示基礎 ⇑
← 十進位制數字的字元形式	ASCII 和 Unicode	錯誤檢查 →

ASCII

104 鍵 PC 美式英語 QWERTY 鍵盤佈局演變自標準打字機鍵盤，並增加了用於計算的額外部索引鍵。

ASCII 通常使用 8 位（1 位元組）來儲存每個字元。然而，第 8 位用作校驗位，這意味著只有 7 位可用儲存每個字元。這使得 ASCII 能夠儲存總共

2^7 = 128 different values.

ASCII 值可以採取多種形式

數字
字母（大寫和小寫是分開的）
標點符號（？/|\£$ 等）
非列印命令（回車、轉義、F1）

看看你的鍵盤，看看有多少個不同的鍵。一個 Windows 鍵盤應該是 104 個，傳統鍵盤是 101 個。考慮到 shift 鍵值（a，A；b，B 等），並認識到一些鍵具有重複的功能（兩個 shift 鍵，數字小鍵盤）。我們大約有 128 個鍵盤可以執行的功能。

二進位制	十進位制	十六進位制	縮寫
000 0000	0	00	NUL
000 0001	1	01	SOH
000 0010	2	02	STX
000 0011	3	03	ETX
000 0100	4	04	EOT
000 0101	5	05	ENQ
000 0110	6	06	ACK
000 0111	7	07	BEL
000 1000	8	08	BS
000 1001	9	09	HT
000 1010	10	0A	LF
000 1011	11	0B	VT
000 1100	12	0C	FF
000 1101	13	0D	CR
000 1110	14	0E	SO
000 1111	15	0F	SI
001 0000	16	10	DLE
001 0001	17	11	DC1
001 0010	18	12	DC2
001 0011	19	13	DC3
001 0100	20	14	DC4
001 0101	21	15	NAK
001 0110	22	16	SYN
001 0111	23	17	ETB
001 1000	24	18	CAN
001 1001	25	19	EM
001 1010	26	1A	SUB
001 1011	27	1B	ESC
001 1100	28	1C	FS
001 1101	29	1D	GS
001 1110	30	1E	RS
001 1111	31	1F	US

111 1111	127	7F	DEL

二進位制	十進位制	十六進位制	字形
010 0000	32	20	?
010 0001	33	21	!
010 0010	34	22	"
010 0011	35	23	#
010 0100	36	24	$
010 0101	37	25	%
010 0110	38	26	&
010 0111	39	27	'
010 1000	40	28	(
010 1001	41	29	)
010 1010	42	2A	*
010 1011	43	2B	+
010 1100	44	2C	,
010 1101	45	2D	-
010 1110	46	2E	.
010 1111	47	2F	/
011 0000	48	30	0
011 0001	49	31	1
011 0010	50	32	2
011 0011	51	33	3
011 0100	52	34	4
011 0101	53	35	5
011 0110	54	36	6
011 0111	55	37	7
011 1000	56	38	8
011 1001	57	39	9
011 1010	58	3A	:
011 1011	59	3B	;
011 1100	60	3C	<
011 1101	61	3D	=
011 1110	62	3E	>
011 1111	63	3F	?

二進位制	十進位制	十六進位制	字形
100 0000	64	40	@
100 0001	65	41	A
100 0010	66	42	B
100 0011	67	43	C
100 0100	68	44	D
100 0101	69	45	E
100 0110	70	46	F
100 0111	71	47	G
100 1000	72	48	H
100 1001	73	49	I
100 1010	74	4A	J
100 1011	75	4B	K
100 1100	76	4C	L
100 1101	77	4D	M
100 1110	78	4E	N
100 1111	79	4F	O
101 0000	80	50	P
101 0001	81	51	Q
101 0010	82	52	R
101 0011	83	53	S
101 0100	84	54	T
101 0101	85	55	U
101 0110	86	56	V
101 0111	87	57	W
101 1000	88	58	X
101 1001	89	59	Y
101 1010	90	5A	Z
101 1011	91	5B	[
101 1100	92	5C	\
101 1101	93	5D	]
101 1110	94	5E	^
101 1111	95	5F	_

二進位制	十進位制	十六進位制	字形
110 0000	96	60	`
110 0001	97	61	a
110 0010	98	62	b
110 0011	99	63	c
110 0100	100	64	d
110 0101	101	65	e
110 0110	102	66	f
110 0111	103	67	g
110 1000	104	68	h
110 1001	105	69	i
110 1010	106	6A	j
110 1011	107	6B	k
110 1100	108	6C	l
110 1101	109	6D	m
110 1110	110	6E	n
110 1111	111	6F	o
111 0000	112	70	p
111 0001	113	71	q
111 0010	114	72	r
111 0011	115	73	s
111 0100	116	74	t
111 0101	117	75	u
111 0110	118	76	v
111 0111	119	77	w
111 1000	120	78	x
111 1001	121	79	y
111 1010	122	7A	z
111 1011	123	7B	{
111 1100	124	7C	\|
111 1101	125	7D	}
111 1110	126	7E	~

如果你仔細觀察每個字元的 ASCII 表示，你可能會注意到一些規律。例如

二進位制	十進位制	十六進位制	字形
110 0001	97	61	a
110 0010	98	62	b
110 0011	99	63	c

如你所見，a = 97，b = 98，c = 99。這意味著如果我們知道一個字元的值，我們可以很容易地計算出後續或先前字元的值。

示例：ASCII 字元

不用看上面的 ASCII 表！如果我們知道字元 '5' 的 ASCII 值是 011 0101，那麼 '8' 的 ASCII 值是多少？

我們知道 '8' 是 '5' 之後的三個字元，因為 5,6,7,8。這意味著 '8' 的 ASCII 值將比 '5' 大三個。

  011 0101  ASCII '5'
+      011
  --------  
  011 1000  ASCII '8'

上面的檢查表明這是正確的值。

如果你擔心在二進位制加法中犯錯，你可以用十進位制數來處理。以 'g' 的 ASCII 值為 110 0111，那麼 'e' 是多少？

我們知道 'e' 是 'g' 之前的兩個字元，因為 e, f, g。這意味著 'e' 的 ASCII 值將比 'g' 小兩個。

64 32 16  8  4  2  1
 1  1  0  0  1  1  1 = 103₁₀ = ASCII value of 'g'

103 - 2 = 101₁₀

64 32 16  8  4  2  1
 1  1  0  0  1  0  1 = 101₁₀ = ASCII value of 'e'

練習：ASCII

不用使用參考表（考試時你不會得到它！）回答以下問題

字母 'Z' 的 ASCII 碼為 90（十進位制），字母 'X' 如何儲存？

答案

88 - 因為它是字母表中向下的第 2 個字元。

以下文字使用了多少個 ASCII '字元'？

Hello Pete,
ASCII rocks!

答案

27 或 26。如果你說是 23，那你錯了，因為你必須包括每行末尾的非列印字元。每行末尾需要一個 EOL 命令，新行需要一個回車符（CR），使文字如下所示：

Hello Pete,[EOL][CR]
ASCII rocks![EOL]

對於拉丁字母，ASCII 通常是可以的，但是如果你想寫一些中文或印地語呢？我們需要另一種編碼方案！

擴充套件：編碼 ASCII

當你從文字檔案中讀取資料時，你可能需要使用 ASCII 碼。要檢視每個 ASCII 碼的含義，我們可以使用以下函式 ChrW(x)，它返回十進位制值為 x 的 ASCII 碼。嘗試以下程式碼檢視前 128 個字元。字元 10 有什麼特別之處？

For x = 0 To 127
  Console.WriteLine("ASCII for " & x & " = " & ChrW(x))
Next
Console.ReadLine()

Unicode

ASCII 的問題在於它只允許你表示少量的字元（對於擴充套件 ASCII 來說大約是 128 或 256 個）。如果你住在英語國家，這可能沒問題，但如果你住在使用不同字元集的國家會怎樣？例如

漢字漢字
日文漢字漢字
西裡爾字母 Кири́ллица
古吉拉特語 ગુજરાતી
烏爾都語 اردو

你可以看到，我們很快就會遇到麻煩，因為 ASCII 不可能在只有 7 位的情況下儲存這些數十萬個額外的字元。我們使用的替代方法是 Unicode。Unicode 有多個版本，每個版本使用不同的位數來儲存資料

名稱	描述
UTF-8	8 位是 Unicode 最常用的格式。字元可以使用低至 8 位，最大限度地與 ASCII 相容。但也允許可變寬度編碼擴充套件到 16、24、32、40 或 48 位，以處理更大的字元集
UTF-16	16 位，可變寬度編碼，可以擴充套件到 32 位。
UTF-32	32 位，固定寬度編碼。每個字元都佔用 32 位。

有超過一百萬個可能的字元，我們應該能夠儲存來自地球上所有語言的每個字元，看看這些示例

碼位	字形*	字元	UTF-16 碼元 (十六進位制)
U+007A	z	拉丁語小寫字母 Z	007A
U+6C34	水	CJK 統一表意文字-6C34（水）	6C34
U+10000		線形文字 B 音節 B008 A	D800, DC00
U+1D11E		音樂符號 G 譜號	D834, DD1E

你可以在維基百科上找到更多關於 Unicode 編碼的資訊

練習：ASCII 和 Unicode

不用使用參考表（考試時你不會得到它！）回答以下問題

字母 'D' 的 ASCII 碼為 100 0100，字母 'G' 如何儲存？

答案

100 0111 - 因為它是字母表中向後的第 3 個字元。

字母 's' 的 ASCII 碼為 111 0011，字母 'm' 如何儲存？

答案

110 1101 - 因為它是字母表中向下的第 6 個字元。

使用 ASCII 的一個優點是什麼？

答案

Each character only takes up 8 bits, meaning that storing data in ASCII may take up less memory than unicode

使用 Unicode 比 ASCII 的一個優點是什麼？

答案

ASCII stores a much smaller character set than unicode, meaning that you are limited to the Latin character set and cannot represent characters from other languages.

7 位 ASCII 可以表示多少個不同的字元？

答案

2^7 = 128

你正在為全球使用設計一個計算機系統，你應該使用哪種字元編碼方案，為什麼？

答案

unicode as it would allow you to display non Latin character sets such as Hindi and Cyrillic