維基百科

頁碼

頁碼是字元編碼的別名，也稱代碼頁，是特定語言的字元集的一張表。

歷史

早期，頁碼是IBM稱呼電腦的BIOS所支援的字元集編碼。當時通用的作業系統都是命令列介面，這些作業系統直接使用BIOS提供的字元繪製功能來顯示字元（或者是一組嵌入在顯示卡字元產生器中的字形）。這些BIOS頁碼也被稱為OEM頁碼。圖形作業系統使用自己的字元呈現引擎（rendering engine），可以支援多個不同的字元集編碼，這類頁碼被稱作ANSI頁碼。

早期IBM和微軟內部使用數字來標記不同的編碼字元集，不同的廠商對同一個字元集編碼使用各自不同的名稱。例如，UTF-8在IBM稱作頁碼1208，在微軟稱作頁碼65001，在SAP稱作頁碼4110。

1987年4月，IBM發佈了PC-DOS 3.3，正式開始使用16位元的無符號整數標識不同的頁碼。這時的PC機使用CGA顯示系統的字元介面，繪製不同語言的字元依靠BIOS硬件廠商（在當時就是指制定業界標準的IBM）提供的功能。如果想更換所支援的字元集，就必須換上支援該字元集的ROM晶片。微軟作為DOS作業系統的軟件廠商，並不擁有繪製這些字元集的知識產權。所以這些字元集的繪製實現，稱作OEM頁碼。最常見、最具代表性的OEM頁碼是"IBM PC或MS-DOS 頁碼437"。

 
頁碼437

隨着圖形化使用者介面作業系統的廣泛使用（最初被廣為接受的是Windows 3.1），作業系統具有了字元繪製的功能。微軟在Windows作業系統沒有轉向UTF-16作為內碼實現之前（也就是在Windows 2000之前），針對不同的使用地區與國家，定義了一系列的支援不同語言字元集的頁碼，被稱作"Windows（或ANSI）頁碼"。代表性的是實現了ISO-8859-1的頁碼1252。

OEM（IBM PC）代碼頁

頁碼819實現了Latin-1（ISO/IEC 8859-1），用於IBM AS/400小型機。

OEM頁碼轉換為ASCII頁碼

對於中日韓的多位元組編碼的頁碼，OEM頁碼與ASCII頁碼相同，例如對於簡體中文的OEM頁碼與ASCII頁碼就是GBK頁碼。而對於單位元組編碼的頁碼，如英語、俄語等，OEM頁碼與ASCII頁碼一般不同。這是因為在MS-DOS時代，電腦只能使用字元介面在螢幕上畫出表格的框線，所以OEM頁碼要在單位元組字元集中包含方框繪製字元；此外，OEM頁碼437提供的有限的變音符號，只能覆蓋法語、西班牙語、德語、意大利語、瑞典語的字母表。而在Windows的早期時代，仍然使用單位元組字元集，這時就捨棄了這些不必要的方框繪製字元，取而代之的是丹麥語、挪威語、冰島語、加拿大法語的變音符號。為此，一個用OEM頁碼的位元組流要在Windows上正確顯示，就需要或者顯式設定使用OEM頁碼；或者要顯式把OEM頁碼的位元組流轉化為ASCII頁碼的字元流，這需要使用Windows系統呼叫OemToChar()。

Windows（ANSI）代碼頁

Windows頁碼最初是根據ANSI草案實現的，這個草案最終成為ISO 8859-1。這是Windows頁碼被稱作ANSI的緣由。

Windows-1252與ISO-8859-1並不完全一致。ISO-8859-1在0x80-0x9F範圍的控制字元，在Windows-1252中被可列印字元取代。由於在web網頁中，ASCII控制字元不起作用，所以網頁一般用Windows-1252頁碼標記替代ISO-8859-1標記。

中日韓語言頁碼

既是OEM頁碼，也是Windows頁碼。

  • 936—簡體中文（GBK）
  • 950—繁體中文（大五碼）
  • 932—日文（Shift_JIS）
  • 949—韓文（EUC-KR）
  • 20000（CNS）以EUC編碼的繁體中文CNS編碼
  • 20002（Eten）以EUC編碼的繁體中文倚天碼
  • 20936（GB2312-80）以EUC編碼的簡體中文GB2312編碼（老裝置或嵌入式裝置常見）
  • 50227（ISO-2022-GB）簡體中文的Esc序列編碼，純ASCII
  • 50229（ISO-2022-CNS）繁體中文的Esc序列編碼，純ASCII
  • 52936（HZ-GB-2312）以~{和~}分隔的簡體中文GB2312編碼，純ASCII
  • 54936—簡體中文（GB18030）

其他代碼頁

Windows作業系統中使用的頁碼

Windows平台上的GUI程式使用ANSI頁碼，而在控制台程式使用OEM頁碼（以便向下相容）。這意味着，如果在記事本程式（notepad.exe）打開一個8位元字元集編碼的文字檔案，將使用ANSI頁碼；如果在命令列中用type命令顯示這個文字檔案的內容，將使用OEM頁碼。這兩個頁碼在前128個字元的編碼是一樣的，但後128個字元的編碼可能不一致。在Windows的命令列窗口通過標記、複製操作把一部分文字內容複製到記事本程式中，實際上是把Unicode格式的內容儲存在剪貼簿，使得這種文字複製保持了字元編碼的透明轉換。

對於Windows作業系統中的命令列窗口（Command Prompt），chcp命令在沒有參數時，顯示當前頁碼；chcp命令帶一個整數參數，則改變命令列窗口的當前頁碼為參數所指定。

把UTF-8編碼文字直接寫到控制台，必須先使用函數SetConsoleOutputCP(65001)，然後使用puts一族的函數來輸出文字。把UTF-8編碼文字寫入UTF-8檔案時，可以直接使用窄字元輸出函數。

在Windows API中，CP_ACP與CP_OEMCP分別表示當前系統的ANSI頁碼與OEM頁碼。對於CJK(多位元組編碼)的環境(泰文，日文，韓文，中文),CP_ACP與CP_OEMCP沒有區別。對於非 CJK(單位元組編碼)的環境這兩個頁碼不同。 Windows的檔案操作的API預設使用ASCII頁碼(即CP_ACP)，裝置的操作的函數使用OEM頁碼(即CP_OEMCP)。讀寫console的函數是對console裝置的操作，所以預設使用OEMCP。

查詢頁碼的資訊

Windows系統呼叫GetCPInfo()給出指定的頁碼的資訊。如東亞多位元組頁碼的預設字元、前導位元組的範圍： 

{
 CPINFO info;
 UINT iCP = 932; //GBK
 GetCPInfo(iCP, &info);
 printf("Code page %d's default char is [%c]\n", iCP, info.DefaultChar[0]);
 printf("Max size of a char: %d\n", info.MaxCharSize);
 int i;
 const int iMaxLeadBytePairNum = 5;
 for (i = 0; i < iMaxLeadBytePairNum; i++)
 {
    if (info.LeadByte[i * 2] == 0 && info.LeadByte[i * 2 + 1] == 0)
        break;
    printf("Lead byte pair %d: 0x%02X-0x%02X\n", i, info.LeadByte[i * 2], info.LeadByte[i * 2 + 1]);
 }
}

外部連結

取自 "https://zh.wikipedia.org/w/index.php?title=代码页&oldid=76793717"