《WINDOWS程序设计》（018）2.1 字符集简史-2.1.3 扩展ASCII码

兰陵月

2.1.3  扩展ASCII码

    到了早期小型计算机发展的时候，8位字节的标准得以巩固。因此，如果用一个字节来存储字符，就有128个额外的字符可以用来补充ASCII。当最初的IBM PC在1981年推出时，视频适配器包括一个基于ROM的256个字符组成的字符集，这后来称为IBM公司标准的一个重要组成部分。注：当时是直接烧制在视频适配器上的，无法更改的。

    最初的IBM扩展字符集包括一些重音字符和小写希腊字母（对表示数学符号有用），以及一些块图（block-drawing）和线图字符。增补的字符还被分配到ASCII控制字符的代码位置，因为大部分的控制字符不是必需的。

    这个IBM扩展字符集被烧制在无数视频板和打印机的ROM中。它被许多应用软件用于装饰自己的字符模式显示。但是，这个字符集没有包括所有的使用拉丁字母的西欧语言的重音字母。而且这个字符集也不太合适用于Windows。Windows不需要线图字符，因为它有一个完整的图形系统。

    在Windows 1.0（1985年11月发布）中，微软并没有完全放弃IBM的扩展字符集，但它被降级到次要低位。Windows自有的字符集被称为“ANSI字符集”，因为它是基于ANSI和ISO标准的一个草案，而此草案最终成为ANSI/ISO 8859-1—1987，“美国国家信息处理标准—8位单字节编码图形字符集—第1部分：拉丁字母第1号”。这也简称为“拉丁语-1”。

    图2-2展示了印刷在Windows 1.0程序员参考上的原始版本的ANSI字符集。

    空心长方形表示此编码位置代表未定义的字符。这非常接近于ANSI/ISO 8859-1最终的定义形式。ANSI/ISO 8859-1只显示图形字符，而不显示控制字符，因此它没有DEL（删除）的设定。此外，代码0xA0设定的是一个非断行的空格（这意味着在排版时，该空格不应该被用来断行）。代码0xAD设定的是一个软连字符（这意味着它不应该被显示，除非它用于在一行结尾处分解一个词）。另外，ANSI/ISO 8859-1定义代码0xD7为乘号（×），还定义代码0xF7为一个除号（÷）。某些Windows的字体还定义了从0x80到0x9F的某些字符，但这些不属于ANSI/ISO 8859-1标准。

    MS-DOS 3.3（1987年4月发布）把代码页的概念介绍给了IBM PC用户。这一概念也接转到Windows操作系统。代码页定义了字符的相应字符码。原本的IBM字符集被称为第437页代码页，或“MS-DOS Latin US”（“MS-DOS 拉丁文 美国”）。第850页代码页是“MS-DOS Latin 1”（“MS-DOS 拉丁语-1”），它删除了一些线图字符，取而代之的是一些额外的重音字母（但并非是如图2-2所示的拉丁语1 ISO/ANSI标准）。其他的代码页是为其他语言所设定的。较低的128个代码总是相同的；高的128个代码取决于定义代码页的语言。

    在MS-DOS模式中，如果一位用户把自己个人计算机的键盘，视频显示和打印机设置到特定的代码页，然后在计算机上创建、修改和打印文件，一切都会工作得很好。但是，如果用户试图与另一位使用不同的代码页的用户交换文件，或试图在计算机上更改代码页，则会发生问题。字符代码会关联到错误的字符。为减少问题，应用软件可以把字符页信息与文件一起保存，但这一策略涉及代码页之间转换的一些工作。

    虽然代码页最初只用于拉丁字母集中非重音字符之外的额外字符，但最终代码页中较高的128个字符还是被用于非拉丁字母，如希伯来文、希腊文和西里尔语。当然，这么多种类的语言使代码页混淆的问题更加严重。几个重音字母显示不正确或许还能勉强阅读，但整篇文章全部乱码是根本不行的。

    代码页的数量超乎情理地剧增。更有甚者，MS-DOS的西里尔语代码页（第855页）与Windows的西里尔语代码页（第1251页）或与Machintosh的西里尔语代码页（第10007页）还都不一样。每个计算机环境的代码页都对标准字符集进行了修订。IBM OS/2 还支持各种EBCDIC代码页。

    这还不算，更糟糕的还在后面。