EUC
EUC全名为Extended Unix Code,是一个使用8位编码来表示字符的方法。
EUC最初是针对Unix系统,由一些Unix公司所开发,于1991年标准化。EUC基于ISO/IEC 2022的7位编码标准,因此单字节的编码空间为94,双字节的编码空间(区位码)为94x94。把每个区位加上0xA0来表示,以便符合ISO 2022。它主要用于表示及储存汉语文字、日语文字及朝鲜文字。
EUC定义了4个单独的码集(code set)。码集0总是对应于7位的ASCII(或其它的各国定义的ISO 646),包括了ISO 2022定义的C0与G0空间的值。码集1, 2, 3表示G1空间的值。其中,码集1表示一些未经修饰(unadorned)的字符。码集2的字符编码以0x8E(属于C1控制字符,或称SS2)为第一字节。码集3的字符编码以0x8F(另一个属于C1的控制字符,或称SS3)为第一字节。码集0总是编码为单字节;码集2、3总是编码为至少2个字节;码集1编码为1-3个字节。
EUC-CN
EUC-CN是GB 2312最常用的表示方法。浏览器编码表上的“GB2312”,通常都是指“EUC-CN”表示法。
ASCII字符,范围为0x21-0x7E,直接用单字节表示。这是码集0.
GB 2312字元使用两个字节来表示。这是码集1.
- “第一位字节”使用0xA1-0xFE
- “第二位字节”使用0xA1-0xFE
GB2312没有使用码集2、码集3部分。
举例来说,“啊”字是GB 2312之中的第一个汉字,它的区位码是1601。
在EUC-CN之中,它把0xA0+16=0xB0,0xA0+1=0xA1,得出0xB0A1。
EUC-JP
EUC-JP用来储存日本JIS X 0208(旧称JIS C 6226)及JIS X 0212字集的字符,主要影响了类Unix操作系统的日文表示与处理。但是,日文Windows操作系统较多使用ISO-2022-JP或Shift JIS的方法来表示。
ASCII字符,范围为0x21-0x7E,直接用单字节表示。这是码集0.
半角片假名使用两个字节来表示。这是码集2
- “第一位字节”使用0x8E
- “第二位字节”使用0xA1-0xDF
JIS X 0208字元使用两个字节来表示。这是码集1.
- “第一位字节”使用0xA1-0xFE
- “第二位字节”使用0xA1-0xFE
JIS X 0212字元使用三个字节来表示。这是码集3
- “第一位字节”使用0x8F
- “第二位字节”使用0xA1-0xFE
- “第三位字节”使用0xA1-0xFE
EUC-JISX0213
EUC-JISX0213是一个制定中的EUC规格,用来表示JIS X 0213字集的字符。
半角片假名使用两个字节来表示。
- “第一位字节”使用0x8E
- “第二位字节”使用0xA1-0xDF
JIS X 0213第一字面字元使用两个字节来表示。
- “第一位字节”使用0xA1-0xFE
- “第二位字节”使用0xA1-0xFE
JIS X 0213第二字面字元使用三个字节来表示。
- “第一位字节”使用0x8F
- “第二位字节”使用0xA1-0xFE
- “第三位字节”使用0xA1-0xFE
EUC-KR
EUC-KR用来储存韩国KS X 1001字集(旧称KS C 5601)的字符。此规格由KS X 2901(旧称KS C 5861)定义。
KS X 1001字元使用两个字节来表示。
- “高位字节”使用0xA1-0xFE
- “低位字节”使用0xA1-0xFE
EUC-TW
EUC-TW為台灣使用的漢字編碼方法之一,以CNS 11643字表为基础;但是台湾普遍使用大五碼,EUC-TW甚少使用。
CNS 11643第一字面的字元使用两个字节来表示。
- “第一位字节”使用0xA1-0xFE
- “第二位字节”使用0xA1-0xFE
CNS 11643其他字面的字元使用四个字节来表示。
- “第一位字节”使用0x8E
- “第二位字节”使用0xA1-0xB0(0xA1-0xA7分别代表第1至第7个字面,其余未定义)
- “第三位字节”使用0xA1-0xFE
- “第四位字节”使用0xA1-0xFE
(CNS 11643第一字面可选择使用两个字节或四个字节来表示)
参考文献
- 小林劍,(1999年). CJKV Information Processing. First Edition. O'Reilly and Associates, Inc. ISBN 1-56592-224-7;中文版,鄭褚璋譯,(2002年)中日韓越資訊處理 第一版,台北市,美商歐萊禮股份有限公司。 ISBN 986-7794-03-6