ASCII碼專題

ASCII（American Standard Code for Information Interchange，美國信息互換標準代碼）是一套基於拉丁字母的字元編碼，共收錄了 128 個字元，用一個位元組就可以存儲，它等同於國際標準 ISO/IEC 646。ASCII 規範於 1967 年第一次發佈，最後一次更新是在 1986 年，它包含了 33 個控制字元（具有某些特殊功能但是無法顯示的字元）和 95 個可顯示字元。

ASCII碼表

對控制字元的解釋

ASCII 編碼中第 0~31 個字元（開頭的 32 個字元）以及第 127 個字元（最後一個字元）都是不可見的（無法顯示），但是它們都具有一些特殊功能，所以稱為控制字元（ Control Character）或者功能碼（Function Code）。

這 33 個控制字元大都與通信、數據存儲以及老式設備有關，有些在現代電腦中的含義已經改變了。

有些控制符需要一定的電腦功底才能理解，初學者可以跳過，選擇容易的理解即可。

下麵列出了部分控制字元的具體功能：

• NUL (0)

  NULL，空字元。空字元起初本意可以看作為 NOP（中文意為空操作，就是啥都不做的意思），此位置可以忽略一個字元。
  
  之所以有這個空字元，主要是用於電腦早期的記錄信息的紙帶，此處留個 NUL 字元，意思是先占這個位置，以待後用，比如你哪天想起來了，在這個位置在放一個別的啥字元之類的。
  
  後來呢，NUL 被用於C語言中，表示字元串的結束，當一個字元串中間出現 NUL 時，就意味著這個是一個字元串的結尾了。這樣就方便按照自己需求去定義字元串，多長都行，當然只要你記憶體放得下，然後最後加一個\0，即空字元，意思是當前字元串到此結束。

• SOH (1)

  Start Of Heading，標題開始。如果信息溝通交流主要以命令和消息的形式的話，SOH 就可以用於標記每個消息的開始。
  
  1963年，最開始 ASCII 標準中，把此字元定義為 Start of Message，後來又改為現在的 Start Of Heading。
  
  現在，這個 SOH 常見於主從（master-slave）模式的 RS232 的通信中，一個主設備，以 SOH 開頭，和從設備進行通信。這樣方便從設備在數據傳輸出現錯誤的時候，在下一次通信之前，去實現重新同步（resynchronize）。如果沒有一個清晰的類似於 SOH 這樣的標記，去標記每個命令的起始或開頭的話，那麼重新同步，就很難實現了。

• STX (2) 和 ETX (3)

  STX 表示 Start Of Text，意思是“文本開始”；ETX 表示 End Of Text，意思是“文本結束”。
  
  通過某種通訊協議去傳輸的一個數據（包），稱為一幀的話，常會包含一個幀頭，包含了定址信息，即你是要發給誰，要發送到目的地是哪裡，其後跟著真正要發送的數據內容。
  
  而 STX，就用於標記這個數據內容的開始。接下來是要傳輸的數據，最後是 ETX，表明數據的結束。
  
  而中間具體傳輸的數據內容，ASCII 並沒有去定義，它和你所用的傳輸協議有關。

  幀頭		數據或文本內容
  SOH（表明幀頭開始）	......（幀頭信息，比如包含了目的地址，表明你發送給誰等等）	STX（表明數據開始）	......（真正要傳輸的數據）	ETX（表明數據結束

• BEL (7)

  BELl，響鈴。在 ASCII 編碼中，BEL 是個比較有意思的東西。BEL 用一個可以聽得見的聲音來吸引人們的註意，既可以用於電腦，也可以用於周邊設備（比如印表機）。
  
  註意，BEL 不是音效卡或者喇叭發出的聲音，而是蜂鳴器發出的聲音，主要用於報警，比如硬體出現故障時就會聽到這個聲音，有的電腦操作系統正常啟動也會聽到這個聲音。蜂鳴器沒有直接安裝到主板上，而是需要連接到主板上的一種外設，現代很多電腦都不安裝蜂鳴器了，即使輸出 BEL 也聽不到聲音，這個時候 BEL 就沒有任何作用了。

• BS (8)

  BackSpace，退格鍵。退格鍵的功能，隨著時間變化，意義也變得不同了。
  
  退格鍵起初的意思是，在印表機和電傳打字機上，往回移動一格游標，以起到強調該字元的作用。比如你想要列印一個 a，然後加上退格鍵後，就成了 aBS^。在機械類打字機上，此方法能夠起到實際的強調字元的作用，但是對於後來的 CTR 下時期來說，就無法起到對應效果了。
  
  而現代所用的退格鍵，不僅僅表示游標往回移動了一格，同時也刪除了移動後該位置的字元。

• HT (9)

  Horizontal Tab，水平製表符，相當於 Table/Tab 鍵。
  
  水平製表符的作用是用於佈局，它控制輸出設備前進到下一個表格去處理。而製表符 Table/Tab 的寬度也是靈活不固定的，只不過在多數設備上製表符 Tab 都預定義為 4 個空格的寬度。
  
  水平製表符 HT 不僅能減少數據輸入者的工作量，對於格式化好的文字來說，還能夠減少存儲空間，因為一個Tab鍵，就代替了 4 個空格。

• LF (10)

  Line Feed，直譯為“給印表機等喂一行”，也就是“換行”的意思。LF 是 ASCII 編碼中常被誤用的字元之一。
  
  LF 的最原始的含義是，移動印表機的頭到下一行。而另外一個 ASCII 字元，CR（Carriage Return）才是將印表機的頭移到最左邊，即一行的開始（行首）。很多串口協議和 MS-DOS 及 Windows 操作系統，也都是這麼實現的。
  
  而C語言和 Unix 操作系統將 LF 的含義重新定義為“新行”，即 LF 和 CR 的組合效果，也就是回車且換行的意思。
  
  從程式的角度出發，C語言和 Unix 對 LF 的定義顯得更加自然，而 MS-DOS 的實現更接近於 LF 的本意。
  
  現在人們常將 LF 用做“新行（newline）”的功能，大多數文本編輯軟體也都可以處理單個 LF 或者 CR/LF 的組合了。

• VT (11)

  Vertical Tab，垂直製表符。它類似於水平製表符 Tab，目的是為了減少佈局中的工作，同時也減少了格式化字元時所需要存儲字元的空間。VT 控制符用於跳到下一個標記行。
  
  說實話，還真沒看到有些地方需要用 VT，因為一般在換行的時候都是用 LF 代替 VT 了。

• FF (12)

  Form Feed，換頁。設計換頁鍵，是用來控制印表機行為的。當印表機收到此鍵碼的時候，印表機移動到下一頁。
  
  不同的設備的終端對此控制符所表現的行為各不同，有些會清除屏幕，有些只是顯示^L字元，有些只是新換一行而已。例如，Unix/Linux 下的 Bash Shell 和 Tcsh 就把 FF 看做是一個清空屏幕的命令。

• CR (13)

  Carriage return，回車，表示機器的滑動部分（或者底座）返回。
  
  CR 回車的原意是讓列印頭回到左邊界，並沒有移動到下一行的意思。隨著時間的流逝，後來人們把 CR 的意思弄成了 Enter 鍵，用於示意輸入完畢。
  
  在數據以屏幕顯示的情況下，人們按下 Enter 的同時，也希望把游標移動到下一行，因此C語言和 Unix 重新定義了 CR 的含義，將其表示為移動到下一行。當輸入 CR 時，系統也常常隱式地將其轉換為LF。

• SO (14) 和 SI (15)

  SO，Shift Out，不用切換；SI，Shift In，啟用切換。
  
  早在 1960s 年代，設計 ASCII 編碼的美國人就已經想到了，ASCII 編碼不僅僅能用於英文，也要能用於外文字元集，這很重要，定義 Shift In 和 Shift Out 正是考慮到了這點。
  
  最開始，其意為在西里爾語和拉丁語之間切換。西里爾語 ASCII（也即 KOI-7 編碼）將 Shift 作為一個普通字元，而拉丁語 ASCII（也就是我們通常所說的 ASCII）用 Shift 去改變印表機的字體，它們完全是兩種含義。
  
  在拉丁語 ASCII 中，SO 用於產生雙倍寬度的字元（類似於全形），而用 SI 列印壓縮的字體（類似於半形）。

• DLE (16)

  Data Link Escape，數據鏈路轉義。
  
  有時候我們需要在通信過程中發送一些控制字元，但是總有一些情況下，這些控制字元被看成了普通的數據流，而沒有起到對應的控制效果，ASCII 編碼引入 DLE 來解決這類問題。
  
  如果數據流中檢測到了 DLE，數據接收端會對數據流中接下來的字元另作處理。但是具體如何處理，ASCII 規範中並沒有定義，只是弄了個 DLE 去打斷正常的數據流，告訴接下來的數據要特殊對待。

• DC1 (17)

  Device Control 1，或者 XON – Transmission on。
  
  這個 ASCII 控制符儘管原先定義為 DC1， 但是現在常表示為 XON，用於串列通信中的軟體流控制。其主要作用為，在通信被控制符 XOFF 中斷之後，重新開始信息傳輸。
  
  用過串列終端的人應該還記得，當有時候數據出錯了，按 Ctrl+Q（等價於XON）有時候可以起到重新傳輸的效果。這是因為，此 Ctrl+Q 鍵盤序列實際上就是產生 XON 控制符，它可以將那些由於終端或者主機方面，由於偶爾出現的錯誤的 XOFF 控制符而中斷的通信解鎖，使其正常通信。

• DC3 (19)

  Device Control 3，或者 XOFF（Transmission off，傳輸中斷）。

  EM (25)

  End of Medium，已到介質末端，介質存儲已滿。
  
  EM 用於，當數據存儲到達串列存儲介質末尾的時候，就像磁帶或磁頭滾動到介質末尾一樣。其用於表述數據的邏輯終點，即不必非要是物理上的達到數據載體的末尾。

• FS(28)

  File Separator，文件分隔符。FS 是個很有意思的控制字元，它可以讓我們看到 1960s 年代的電腦是如何組織的。
  
  我們現在習慣於隨機訪問一些存儲介質，比如 RAM、磁碟等，但是在設計 ASCII 編碼的那個年代，大部分數據還是順序的、串列的，而不是隨機訪問的。此處所說的串列，不僅僅指的是串列通信，還指的是順序存儲介質，比如穿孔卡片、紙帶、磁帶等。
  
  在串列通信的時代，設計這麼一個用於表示文件分隔的控制字元，用於分割兩個單獨的文件，是一件很明智的事情。

• GS(29)

  Group Separator，分組符。
  
  ASCII 定義控制字元的原因之一就是考慮到了數據存儲。
  
  大部分情況下，資料庫的建立都和表有關，表包含了多條記錄。同一個表中的所有記錄屬於同一類型，不同的表中的記錄屬於不同的類型。
  
  而分組符 GS 就是用來分隔串列數據存儲系統中的不同的組。值得註意的是，當時還沒有使用 Excel 表格，ASCII 時代的人把它叫做組。

• RS(30)

  Record Separator，記錄分隔符，用於分隔一個組或表中的多條記錄。

• US(31)

  Unit Separator，單元分隔符。
  
  在 ASCII 定義中，資料庫中所存儲的最小的數據項叫做單元（Unit）。而現在我們稱其欄位（Field）。單元分隔符 US 用於分割串列數據存儲環境下的不同單元。
  
  現在的資料庫實現都要求大部分類型都擁有固定的長度，儘管有時候可能用不到，但是對於每一個欄位，卻都要分配足夠大的空間，用於存放最大可能的數據。
  
  這種做法的弊端就是占用了大量的存儲空間，而 US 控制符允許欄位具有可變的長度。在 1960s 年代，數據存儲空間很有限，用 US 將不同單元分隔開，能節省很多空間。

• DEL (127)

  Delete，刪除。
  
  有人也許會問，為何 ASCII 編碼中其它控制字元的值都很小（即 0~31），而 DEL 的值卻很大呢（為 127）？
  
  這是由於這個特殊的字元是為紙帶而定義的。在那個年代，絕大多數的紙帶都是用7個孔洞去編碼數據的。而 127 這個值所對應的二進位值為111 1111（所有 7 個比特位都是1），將 DEL 用在現存的紙帶上時，所有的洞就都被穿孔了，就把已經存在的數據都擦除掉了，就起到了刪除的作用。

判斷題：

C語言使用的就是 ASCII 編碼，字元在存儲時會轉換成對應的 ASCII 碼值，在讀取時也是根據 ASCII 碼找到對應的字元。（X）

答：C語言有時候使用 ASCII 編碼，有時候卻不是，而是使用後面兩節中即將講到的 GBK 編碼和 Unicode 字元集。