4.5计算机中的字符编码
通过将数字、字符进行一定的排列，可得到如电话号码、车牌号这类日常用到的信息。类似地，在计算机中也广泛使用这类可重排列进行信息处理。例如，计算机中的字符编码就是一个明显的例子。在计算机中，最初使用的是ASCII码，但是，由于这种编码只能处理英文字符，对于像中文这种有上万种不同字符的情况，就无法处理了。为此，必须引用新的编码，常见的如GB2312、UNICODE等。
4.5.1 ASCII码能表示的字符数量
信息在计算机上是用二进制表示的，这种表示法让人理解起来很困难。因此计算机上都配有输入和输出设备，这些设备的主要目的就是，以一种人类可阅读的形式将信息在这些设备上显示出来，供人们阅读理解。为保证人类和设备、设备和设备之间能进行正确的信息交换，人们编制了统一的信息交换代码，这就是ASCII码，它的全称是“American Standard Code for Informatio”（美国信息交换标准代码）。
1．标准ASCII码
ASCII是基于拉丁字母的一套电脑编码系统。它主要用于显示现代英语和其他西欧语言，是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。
在ASCII码的最初编码规则中，规定使用7位二进制来表示一个字符。那么，按这种规则，ASCII码有多少个不同的编码呢？也就是说能表示多少个不同的信息呢？
一个ASCII码可能如下所示，其中8位二进制中的每一位可取0或1。
根据前面学习的计算可重排列数的规则来计算，每一位二进制位有2种可能（即n＝2），其位数为7（即m＝7），则：
即，ASCII码可表示128种不同的信息。如表4-1所示就是计算机中用到的ASCII码表，每一个编码对应一个控制字符或一个英文字母、数字、特殊符号。
从表4-1的ASCII码表中可发现一些编码的大小规则：
表4-1 ASCII码表
数字0～9比字母的编码小，如"9"＜"A"；
数字0比数字9的编码小，并按0～9顺序递增，如“2”＜“3”；
字母A比字母Z的编码小，并按A到Z顺序递增，如“A”＜“B”；
相同字母的大写字母比小写字母编码小，如“A”＜“a”。
无论在哪种程序设计语言中，ASCII的编码规则都是相同的。在程序中比较两个字符串的大小时，默认都是按各字符对应的ASCII码的大小来进行比较。因此，程序员应记住以上规则。
根据以上编码的大小规则，只要记住数字“0”和字母“A”、“a”的ASCII码分别为48、65、97，就可以推导出后续数字或字母的ASCII码了。
2．扩展ASCII码
ASCII是美国标准，所以它不能很好地满足其他非英语国家的需要。例如英国的英镑符号（￡）在表4-1中就没有。
在使用过程中还发现ASCII码有以下问题：
没有拉丁语字母表重音符号。
没有斯拉夫字母表的希腊语、希伯来语、阿拉伯语和俄语中的符号。
没有中国汉字系统的象形汉字符号。
没有日本和朝鲜文符号。
为了适应计算机的发展，逐渐出现了扩展ASCII码。由于计算机中一个字节为8位二进制，而标准ASCII码只使用了7位。将8位二进制都用来表示ASCII码，就可扩展其表示范围。8位二进制可表示的编码数量为：
增加一位二进制，可扩充一倍的编码数量。
扩展ASCII码表除了前面0～127这部分与表4-1的标准ASCII码相同之外，还增加了128～255这128个编码，如表4-2所示。
表4-2 扩展ASCII码表
4.5.2 能表示更大范围的编码
参考表4-1和表4-2可看出，包含扩展ASCII码在内，一共只能表示256个符号，只包括了一些字符、数字、标点符号的信息表示。这主要是因为计算机是美国发明的，在英文下面，我们使用ASCII码表示就足够了！但是在汉字输入时，用ASCII码就不能表示所有的汉字了（仅常用汉字就上万个）。
1．用双字节和4字节进行编码
怎么来唯一地表示成千上万的汉字呢？根据我们前面介绍的排列规则，由于计算机中信息只能使用二进制表示，每一个二进制位只能为0或1（相当于在排列中的n值为固定的2），因此，只有增加二进制位数（相当于增加m的值），这样才能扩大排列数，以表示更多的汉字或其他符号。
在现在的计算机中，虽然最小处理单位为一个二进制位，但在读取或存储数据时，通常都是按字节进行处理的。一个ASCII码正好是一个字节（8位二进制），要扩展字符的编码，就可考虑采用2个字节（16位二进制位），则可表示的符号数为：
一般来说，65536个排列数应该能够保存常用的汉字和符号了。所以，现在常见的中文编码（有很多中文编码方案）都采用2个字节来表示一个汉字，称为双字节形式。
可是，双字节汉字编码仍然不够用。汉字的数量非常庞大，总量是多少，大家没有一个统一的说法。有“总汇汉字之大成”评价的《康熙字典》，收录的汉字是4万多个。1994年出版的《中华字海》收入了87019个汉字，而已经通过专家鉴定的北京国安咨询设备公司的汉字字库，收录有出处的汉字91251个，据称是目前全国最全的字库。
可以看出，双字节编码仍然不够用，因此又出现了4字节编码。4个字节共32位二进制位，可排列出的数量为：
4字节编码就足够大了，排列数可达到40多亿，可以将世界上所有语言的符号都进行唯一编码。
2．认识Unicode
Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。Unicode于1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来得到迅速普及。
Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。Unicode用数字0～0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位。码位就是可以分配给字符的数字。
在Word中打开“符号”对话框，可看到汉字或符号的Unicode编码，如图4-18所示。
图4-18
其实在Unicode之前，一共存在过3套中文编码标准，分别是：
GB2312-80：是中国大陆使用的国家标准，其中一共编码了6763个常用简体汉字。
Big5：是台湾使用的编码标准，编码了台湾使用的繁体汉字，大概有8千多个。
HKSCS：是中国香港使用的编码标准，字体也是繁体，但跟Big5有所不同。
这些编码标准为了表示上万的汉字，都是使用了16位二进制位的排列来进行编码。虽然这3套编码标准都采用了两个扩展ASCII的方法来表示一个汉字，但它们编码区间各不相同，因此这3套编码互不兼容。这就导致在同一个系统中同时显示GB和Big5基本上是不可能的。