ASCII码专题
程序员文章站
2022-05-29 12:42:16
ASCII(American Standard Code for Information Interchange,美国信息互换标准代码)是一套基于拉丁字母的字符编码,共收录了 128 个字符,用一个字节就可以存储,它等同于国际标准 ISO/IEC 646。ASCII 规范于 1967 年第一次发布, ......
ascii(american standard code for information interchange,美国信息互换标准代码)是一套基于拉丁字母的字符编码,共收录了 128 个字符,用一个字节就可以存储,它等同于国际标准 iso/iec 646。ascii 规范于 1967 年第一次发布,最后一次更新是在 1986 年,它包含了 33 个控制字符(具有某些特殊功能但是无法显示的字符)和 95 个可显示字符。
ascii码表
二进制 | 十进制 | 十六进制 | 缩写/字符 | 解释 |
---|---|---|---|---|
00000000 | 0 | 00 | nul (null) | 空字符 |
00000001 | 1 | 01 | soh (start of headling) | 标题开始 |
00000010 | 2 | 02 | stx (start of text) | 正文开始 |
00000011 | 3 | 03 | etx (end of text) | 正文结束 |
00000100 | 4 | 04 | eot (end of transmission) | 传输结束 |
00000101 | 5 | 05 | enq (enquiry) | 请求 |
00000110 | 6 | 06 | ack (acknowledge) | 回应/响应/收到通知 |
00000111 | 7 | 07 | bel (bell) | 响铃 |
00001000 | 8 | 08 | bs (backspace) | 退格 |
00001001 | 9 | 09 | ht (horizontal tab) | 水平制表符 |
00001010 | 10 | 0a | lf/nl(line feed/new line) | 换行键 |
00001011 | 11 | 0b | vt (vertical tab) | 垂直制表符 |
00001100 | 12 | 0c | ff/np (form feed/new page) | 换页键 |
00001101 | 13 | 0d | cr (carriage return) | 回车键 |
00001110 | 14 | 0e | so (shift out) | 不用切换 |
00001111 | 15 | 0f | si (shift in) | 启用切换 |
00010000 | 16 | 10 | dle (data link escape) | 数据链路转义 |
00010001 | 17 | 11 | dc1/xon (device control 1/transmission on) | 设备控制1/传输开始 |
00010010 | 18 | 12 | dc2 (device control 2) | 设备控制2 |
00010011 | 19 | 13 | dc3/xoff (device control 3/transmission off) | 设备控制3/传输中断 |
00010100 | 20 | 14 | dc4 (device control 4) | 设备控制4 |
00010101 | 21 | 15 | nak (negative acknowledge) | 无响应/非正常响应/拒绝接收 |
00010110 | 22 | 16 | syn (synchronous idle) | 同步空闲 |
00010111 | 23 | 17 | etb (end of transmission block) | 传输块结束/块传输终止 |
00011000 | 24 | 18 | can (cancel) | 取消 |
00011001 | 25 | 19 | em (end of medium) | 已到介质末端/介质存储已满/介质中断 |
00011010 | 26 | 1a | sub (substitute) | 替补/替换 |
00011011 | 27 | 1b | esc (escape) | 逃离/取消 |
00011100 | 28 | 1c | fs (file separator) | 文件分割符 |
00011101 | 29 | 1d | gs (group separator) | 组分隔符/分组符 |
00011110 | 30 | 1e | rs (record separator) | 记录分离符 |
00011111 | 31 | 1f | us (unit separator) | 单元分隔符 |
00100000 | 32 | 20 | (space) | 空格 |
00100001 | 33 | 21 | ! | |
00100010 | 34 | 22 | " | |
00100011 | 35 | 23 | # | |
00100100 | 36 | 24 | $ | |
00100101 | 37 | 25 | % | |
00100110 | 38 | 26 | & | |
00100111 | 39 | 27 | ' | |
00101000 | 40 | 28 | ( | |
00101001 | 41 | 29 | ) | |
00101010 | 42 | 2a | * | |
00101011 | 43 | 2b | + | |
00101100 | 44 | 2c | , | |
00101101 | 45 | 2d | - | |
00101110 | 46 | 2e | . | |
00101111 | 47 | 2f | / | |
00110000 | 48 | 30 | 0 | |
00110001 | 49 | 31 | 1 | |
00110010 | 50 | 32 | 2 | |
00110011 | 51 | 33 | 3 | |
00110100 | 52 | 34 | 4 | |
00110101 | 53 | 35 | 5 | |
00110110 | 54 | 36 | 6 | |
00110111 | 55 | 37 | 7 | |
00111000 | 56 | 38 | 8 | |
00111001 | 57 | 39 | 9 | |
00111010 | 58 | 3a | : | |
00111011 | 59 | 3b | ; | |
00111100 | 60 | 3c | < | |
00111101 | 61 | 3d | = | |
00111110 | 62 | 3e | > | |
00111111 | 63 | 3f | ? | |
01000000 | 64 | 40 | @ | |
01000001 | 65 | 41 | a | |
01000010 | 66 | 42 | b | |
01000011 | 67 | 43 | c | |
01000100 | 68 | 44 | d | |
01000101 | 69 | 45 | e | |
01000110 | 70 | 46 | f | |
01000111 | 71 | 47 | g | |
01001000 | 72 | 48 | h | |
01001001 | 73 | 49 | i | |
01001010 | 74 | 4a | j | |
01001011 | 75 | 4b | k | |
01001100 | 76 | 4c | l | |
01001101 | 77 | 4d | m | |
01001110 | 78 | 4e | n | |
01001111 | 79 | 4f | o | |
01010000 | 80 | 50 | p | |
01010001 | 81 | 51 | q | |
01010010 | 82 | 52 | r | |
01010011 | 83 | 53 | s | |
01010100 | 84 | 54 | t | |
01010101 | 85 | 55 | u | |
01010110 | 86 | 56 | v | |
01010111 | 87 | 57 | w | |
01011000 | 88 | 58 | x | |
01011001 | 89 | 59 | y | |
01011010 | 90 | 5a | z | |
01011011 | 91 | 5b | [ | |
01011100 | 92 | 5c | \ | |
01011101 | 93 | 5d | ] | |
01011110 | 94 | 5e | ^ | |
01011111 | 95 | 5f | _ | |
01100000 | 96 | 60 | ` | |
01100001 | 97 | 61 | a | |
01100010 | 98 | 62 | b | |
01100011 | 99 | 63 | c | |
01100100 | 100 | 64 | d | |
01100101 | 101 | 65 | e | |
01100110 | 102 | 66 | f | |
01100111 | 103 | 67 | g | |
01101000 | 104 | 68 | h | |
01101001 | 105 | 69 | i | |
01101010 | 106 | 6a | j | |
01101011 | 107 | 6b | k | |
01101100 | 108 | 6c | l | |
01101101 | 109 | 6d | m | |
01101110 | 110 | 6e | n | |
01101111 | 111 | 6f | o | |
01110000 | 112 | 70 | p | |
01110001 | 113 | 71 | q | |
01110010 | 114 | 72 | r | |
01110011 | 115 | 73 | s | |
01110100 | 116 | 74 | t | |
01110101 | 117 | 75 | u | |
01110110 | 118 | 76 | v | |
01110111 | 119 | 77 | w | |
01111000 | 120 | 78 | x | |
01111001 | 121 | 79 | y | |
01111010 | 122 | 7a | z | |
01111011 | 123 | 7b | { | |
01111100 | 124 | 7c | | | |
01111101 | 125 | 7d | } | |
01111110 | 126 | 7e | ~ | |
01111111 | 127 | 7f | del (delete) | 删除 |
对控制字符的解释
ascii 编码中第 0~31 个字符(开头的 32 个字符)以及第 127 个字符(最后一个字符)都是不可见的(无法显示),但是它们都具有一些特殊功能,所以称为控制字符( control character)或者功能码(function code)。
这 33 个控制字符大都与通信、数据存储以及老式设备有关,有些在现代电脑中的含义已经改变了。
有些控制符需要一定的计算机功底才能理解,初学者可以跳过,选择容易的理解即可。
下面列出了部分控制字符的具体功能:
-
nul (0)
null,空字符。空字符起初本意可以看作为 nop(中文意为空操作,就是啥都不做的意思),此位置可以忽略一个字符。
之所以有这个空字符,主要是用于计算机早期的记录信息的纸带,此处留个 nul 字符,意思是先占这个位置,以待后用,比如你哪天想起来了,在这个位置在放一个别的啥字符之类的。
后来呢,nul 被用于c语言中,表示字符串的结束,当一个字符串中间出现 nul 时,就意味着这个是一个字符串的结尾了。这样就方便按照自己需求去定义字符串,多长都行,当然只要你内存放得下,然后最后加一个\0,即空字符,意思是当前字符串到此结束。 -
soh (1)
start of heading,标题开始。如果信息沟通交流主要以命令和消息的形式的话,soh 就可以用于标记每个消息的开始。
1963年,最开始 ascii 标准中,把此字符定义为 start of message,后来又改为现在的 start of heading。
现在,这个 soh 常见于主从(master-slave)模式的 rs232 的通信中,一个主设备,以 soh 开头,和从设备进行通信。这样方便从设备在数据传输出现错误的时候,在下一次通信之前,去实现重新同步(resynchronize)。如果没有一个清晰的类似于 soh 这样的标记,去标记每个命令的起始或开头的话,那么重新同步,就很难实现了。 -
stx (2) 和 etx (3)
stx 表示 start of text,意思是“文本开始”;etx 表示 end of text,意思是“文本结束”。
通过某种通讯协议去传输的一个数据(包),称为一帧的话,常会包含一个帧头,包含了寻址信息,即你是要发给谁,要发送到目的地是哪里,其后跟着真正要发送的数据内容。
而 stx,就用于标记这个数据内容的开始。接下来是要传输的数据,最后是 etx,表明数据的结束。
而中间具体传输的数据内容,ascii 并没有去定义,它和你所用的传输协议有关。帧头 数据或文本内容 soh(表明帧头开始) ......(帧头信息,比如包含了目的地址,表明你发送给谁等等) stx(表明数据开始) ......(真正要传输的数据) etx(表明数据结束 -
bel (7)
bell,响铃。在 ascii 编码中,bel 是个比较有意思的东西。bel 用一个可以听得见的声音来吸引人们的注意,既可以用于计算机,也可以用于周边设备(比如打印机)。
注意,bel 不是声卡或者喇叭发出的声音,而是蜂鸣器发出的声音,主要用于报警,比如硬件出现故障时就会听到这个声音,有的计算机操作系统正常启动也会听到这个声音。蜂鸣器没有直接安装到主板上,而是需要连接到主板上的一种外设,现代很多计算机都不安装蜂鸣器了,即使输出 bel 也听不到声音,这个时候 bel 就没有任何作用了。 -
bs (8)
backspace,退格键。退格键的功能,随着时间变化,意义也变得不同了。
退格键起初的意思是,在打印机和电传打字机上,往回移动一格光标,以起到强调该字符的作用。比如你想要打印一个 a,然后加上退格键后,就成了 abs^。在机械类打字机上,此方法能够起到实际的强调字符的作用,但是对于后来的 ctr 下时期来说,就无法起到对应效果了。
而现代所用的退格键,不仅仅表示光标往回移动了一格,同时也删除了移动后该位置的字符。 -
ht (9)
horizontal tab,水平制表符,相当于 table/tab 键。
水平制表符的作用是用于布局,它控制输出设备前进到下一个表格去处理。而制表符 table/tab 的宽度也是灵活不固定的,只不过在多数设备上制表符 tab 都预定义为 4 个空格的宽度。
水平制表符 ht 不仅能减少数据输入者的工作量,对于格式化好的文字来说,还能够减少存储空间,因为一个tab键,就代替了 4 个空格。 -
lf (10)
line feed,直译为“给打印机等喂一行”,也就是“换行”的意思。lf 是 ascii 编码中常被误用的字符之一。
lf 的最原始的含义是,移动打印机的头到下一行。而另外一个 ascii 字符,cr(carriage return)才是将打印机的头移到最左边,即一行的开始(行首)。很多串口协议和 ms-dos 及 windows 操作系统,也都是这么实现的。
而c语言和 unix 操作系统将 lf 的含义重新定义为“新行”,即 lf 和 cr 的组合效果,也就是回车且换行的意思。
从程序的角度出发,c语言和 unix 对 lf 的定义显得更加自然,而 ms-dos 的实现更接近于 lf 的本意。
现在人们常将 lf 用做“新行(newline)”的功能,大多数文本编辑软件也都可以处理单个 lf 或者 cr/lf 的组合了。 -
vt (11)
vertical tab,垂直制表符。它类似于水平制表符 tab,目的是为了减少布局中的工作,同时也减少了格式化字符时所需要存储字符的空间。vt 控制符用于跳到下一个标记行。
说实话,还真没看到有些地方需要用 vt,因为一般在换行的时候都是用 lf 代替 vt 了。 -
ff (12)
form feed,换页。设计换页键,是用来控制打印机行为的。当打印机收到此键码的时候,打印机移动到下一页。
不同的设备的终端对此控制符所表现的行为各不同,有些会清除屏幕,有些只是显示^l
字符,有些只是新换一行而已。例如,unix/linux 下的 bash shell 和 tcsh 就把 ff 看做是一个清空屏幕的命令。 -
cr (13)
carriage return,回车,表示机器的滑动部分(或者底座)返回。
cr 回车的原意是让打印头回到左边界,并没有移动到下一行的意思。随着时间的流逝,后来人们把 cr 的意思弄成了 enter 键,用于示意输入完毕。
在数据以屏幕显示的情况下,人们按下 enter 的同时,也希望把光标移动到下一行,因此c语言和 unix 重新定义了 cr 的含义,将其表示为移动到下一行。当输入 cr 时,系统也常常隐式地将其转换为lf。 -
so (14) 和 si (15)
so,shift out,不用切换;si,shift in,启用切换。
早在 1960s 年代,设计 ascii 编码的美国人就已经想到了,ascii 编码不仅仅能用于英文,也要能用于外文字符集,这很重要,定义 shift in 和 shift out 正是考虑到了这点。
最开始,其意为在西里尔语和拉丁语之间切换。西里尔语 ascii(也即 koi-7 编码)将 shift 作为一个普通字符,而拉丁语 ascii(也就是我们通常所说的 ascii)用 shift 去改变打印机的字体,它们完全是两种含义。
在拉丁语 ascii 中,so 用于产生双倍宽度的字符(类似于全角),而用 si 打印压缩的字体(类似于半角)。 -
dle (16)
data link escape,数据链路转义。
有时候我们需要在通信过程中发送一些控制字符,但是总有一些情况下,这些控制字符被看成了普通的数据流,而没有起到对应的控制效果,ascii 编码引入 dle 来解决这类问题。
如果数据流中检测到了 dle,数据接收端会对数据流中接下来的字符另作处理。但是具体如何处理,ascii 规范中并没有定义,只是弄了个 dle 去打断正常的数据流,告诉接下来的数据要特殊对待。 -
dc1 (17)
device control 1,或者 xon – transmission on。
这个 ascii 控制符尽管原先定义为 dc1, 但是现在常表示为 xon,用于串行通信中的软件流控制。其主要作用为,在通信被控制符 xoff 中断之后,重新开始信息传输。
用过串行终端的人应该还记得,当有时候数据出错了,按 ctrl+q(等价于xon)有时候可以起到重新传输的效果。这是因为,此 ctrl+q 键盘序列实际上就是产生 xon 控制符,它可以将那些由于终端或者主机方面,由于偶尔出现的错误的 xoff 控制符而中断的通信解锁,使其正常通信。 -
dc3 (19)
device control 3,或者 xoff(transmission off,传输中断)。em (25)
end of medium,已到介质末端,介质存储已满。
em 用于,当数据存储到达串行存储介质末尾的时候,就像磁带或磁头滚动到介质末尾一样。其用于表述数据的逻辑终点,即不必非要是物理上的达到数据载体的末尾。 -
fs(28)
file separator,文件分隔符。fs 是个很有意思的控制字符,它可以让我们看到 1960s 年代的计算机是如何组织的。
我们现在习惯于随机访问一些存储介质,比如 ram、磁盘等,但是在设计 ascii 编码的那个年代,大部分数据还是顺序的、串行的,而不是随机访问的。此处所说的串行,不仅仅指的是串行通信,还指的是顺序存储介质,比如穿孔卡片、纸带、磁带等。
在串行通信的时代,设计这么一个用于表示文件分隔的控制字符,用于分割两个单独的文件,是一件很明智的事情。 -
gs(29)
group separator,分组符。
ascii 定义控制字符的原因之一就是考虑到了数据存储。
大部分情况下,数据库的建立都和表有关,表包含了多条记录。同一个表中的所有记录属于同一类型,不同的表中的记录属于不同的类型。
而分组符 gs 就是用来分隔串行数据存储系统中的不同的组。值得注意的是,当时还没有使用 excel 表格,ascii 时代的人把它叫做组。 -
rs(30)
record separator,记录分隔符,用于分隔一个组或表中的多条记录。 -
us(31)
unit separator,单元分隔符。
在 ascii 定义中,数据库中所存储的最小的数据项叫做单元(unit)。而现在我们称其字段(field)。单元分隔符 us 用于分割串行数据存储环境下的不同单元。
现在的数据库实现都要求大部分类型都拥有固定的长度,尽管有时候可能用不到,但是对于每一个字段,却都要分配足够大的空间,用于存放最大可能的数据。
这种做法的弊端就是占用了大量的存储空间,而 us 控制符允许字段具有可变的长度。在 1960s 年代,数据存储空间很有限,用 us 将不同单元分隔开,能节省很多空间。 -
del (127)
delete,删除。
有人也许会问,为何 ascii 编码中其它控制字符的值都很小(即 0~31),而 del 的值却很大呢(为 127)?
这是由于这个特殊的字符是为纸带而定义的。在那个年代,绝大多数的纸带都是用7个孔洞去编码数据的。而 127 这个值所对应的二进制值为111 1111(所有 7 个比特位都是1),将 del 用在现存的纸带上时,所有的洞就都被穿孔了,就把已经存在的数据都擦除掉了,就起到了删除的作用。
判断题:
c语言使用的就是 ascii 编码,字符在存储时会转换成对应的 ascii 码值,在读取时也是根据 ascii 码找到对应的字符。(x)
答:c语言有时候使用 ascii 编码,有时候却不是,而是使用后面两节中即将讲到的 gbk 编码和 unicode 字符集。