45-92241-编码演化.sy.md

show	version	enable_checker
step	1.0	true

编码进化

回忆上次内容

• 上次输出了大红心♥
  • 找到了红心对应的编码
  • 黑红梅方都对应有编码
• 这种编码叫做 unicode
  • 原来的叫做 ascii️
• \u这种编码方式叫什么呢？🤔
• 还是从ascii的来历开始

编码来历

• 目前最熟悉的编码是 ascii编码
  • 包括控制字符、大小写字符、数字、符号
  • ascii 有 7 位，从0x00-0x7F，第 1 位都为 0
• 但如果第 1 位是 1
  • 又会如何呢？

尝试输出

• 找到一个数字 0xa7
  • 找到他对应的字符
  • 还可以转化回来

• 这规律
  • 和ascii一样的
  • 也就是说这个字节里面除了 ascii 的 128 个字符之外
    • 还可以有一定的空间
    • 也可以对应一些编码
  • 也正是这个空间让 ascii 成为基础的字符编码
• 先回顾一下字符编码的历史

编码格式演化

• 最早的数字编码是摩斯电码
• 三种状态
  • 长短空
  • 全靠发报人掌握节奏
  • 每个人都是自己的电信运营商

博多码

• 电传打字机编码
  • 只有两种状态
    • 0
    • 1
  • 有控制字符
  • 靠同步时钟控制节奏
  • 可以存储在纸带上
  • 只有大写没有小写
  • 符号不是很丰富
  • 是一种 5bits 的编码

ibm 之野望

• 1950s 末
  • ibm 的前身
  • 拿到了美国人口统计局的巨大订单
  • 当时用的是采集卡片
  • 以前就是去挨家挨户的问人家
  • 然后打卡
  • 所以当年查户口不是一个好词
• 刚开始用计算机进行统计
  • 在此之前
  • 无论是身份、存款、地产靠的都是纸质的契约
  • 计算机刚刚起步
  • 更没有相互联通的数据中心了

• 这里面涉及到统计计数

  • 不但要对于性别、年龄等 分类汇总
  • 而且要显示出来

• 怎么表示这 10 个数字字符呢？

• 至少要用 1 位 16进制数 进行编码

• 那究竟如何编码呢？

标准形成

• 同样是表示10个数字
• 不同的机器有不同的编码方式

• 不同编码表示的范围也不一样
  • 有的是为了减法更容易计算
  • 有的是为了表示的数字更大
  • 有的是为了可以表示负数
• 各种编码之间转化也需要成本
• 为了数据交换方便的话
• 还是得有个统一
• 统一到什么编码方式呢呢？

数字表示

• 上图HMS的个位数字就是8421编码
  • 从上到下总共4个二进制位
  • 分别代表8421
  • 一溜就是一个数字
• 小时H总共两位
  • 十位
    • 最大的小时数为24
    • 十位数值不会超过2
    • 所以两位就够
      • 两位二进制数可以表示0-3
    • 数值为(0)×2⁰+(1)×2⁰ = 1
  • 个位
    • 最大的数字就是9
    • 不会超过10
    • 总共需要4位
    • 数值为(0)×2⁰+(0)×2⁰ = 0
  • 小时的总体数值为10
• 分钟和秒钟的逻辑类似
• 这就是8421码

BCD 码

• Binary-Coded Decimal
  • 最终数字领域的编码统一到了8421
  • 最简单的编码实现了统一
  • 8421 也就是 BCD 编码
  • 8421 代表着每一位二进制数对应的数值

• 编码其实就是纯纯的2进制数转化结果
• 其实在今天的 ascii 中
  • 数字字符对应的字节是0x30-0x39
  • 0x30-0x39 的 后4位 也还是 BCD 编码
  • ibm 的编码的数字部分也是基于 bcd 发展而来的
• 那字母部分是怎么来的呢？

BCDIC

• ibm 开始是做这个人口卡片的
  • 他根据业务特点
  • 制作了一种 6bits 的字符编码格式
  • BCDIC
• Binary Coded Decimal Interchange Code
  • 是一种 6bits 的编码格式

• 6bit 对应着一个字符
• 注意他是 4 行 12 列
• 这种模式也酝酿着字符序号的不连续

行列

• 可以理解为 6 位 2进制数字
• 代表一个字符

继续发展

• BCDIC 这个编码本身也在不断发展变化
• 最后变化到了离谱的程度
  • 每个版本有不同
  • 总共有 6 个不兼容的版本
  • 没有各个版本之间的转化工具
  • 可能是为了多卖给人口统计局来收钱？

编码细节

• 编码不兼容导致旧的数据不能用了
• 这个编码转化没人知道怎么弄
  • 成了 ibm 历史上最大黑点和最高机密
  • 基本数字和字符比较稳定
  • IBM 有自己的打印机专门进行解码和打印
  • 话说不应该是最开始就想好么？
  • 现实却是设计跟着思路
  • 思路跟着纸带走
• ibm 终于意识到不同的格式之间应该编码统一了 😓
• 用什么编码统一的呢？

EBCDIC

• Extended Binary Coded Decimal Interchange Code
• 符号数量提升
• 也有一些控制字符
  • NUL
  • DEL
  • CR(还记得什么意思么？)
  • NL(还记得什么意思么？)
• 这种编码的原因是要和原来的 6bits 的编码可以快速的转化
  • 按理说以 ibm 当时垄断的情况
  • 可以把这个编码做成标准
  • RCA 和富士开始制作兼容机
  • 也兼容这种编码
• 但是 ebcdic 最终还是被 ascii 所击败
  • 但问题就是这个编码本身就不合理！
  • ascii 并不是从他发展而来的
  • 因为他的字母依然是不连续的

比较

• ascii 的优点
  • ascii大小写字母之间只差 1 位(bit)
    • 大小写不敏感的时候匹配容易做
  • ascii 的字母序号是连续的
    • 做字符和字符串比较的时候就非常直接和容易
    • 做是否是字母的判断也很容易
  • ascii 还把以1打头的后一半空间统一给空出来了
• ascii 本身的合理性
  • 使得他最终打败了强大的 ibm 的 ebcdic
  • 标准被重置
• 不过当时计算机行业的企业凤毛麟角
  • ibm 还是业界翘楚

Extended ASCII

• 空出的空间干什么呢？
  • 反正空着也是空着
  • 最初还是 ibm 是定义了 Extended ASCII
• ascii 的扩展集
  • 第一位是 0 后面 7 位对应 ascii 编码集
  • 第一位是 1 对应 ascii-extended

ascii-extended

总结

• 这次回顾了字符编码的进化过程
  • ibm 曾经的 EBCDIC 有很多黑料
  • 7bits 的 ascii 是最后的胜利者
  • Extended ASCII 填满了后面的 128 个位置
• 这一填不要紧
  • 究竟是什么字符来填呢？
  • 法文、德文还是俄文？
  • ibm 又一拍脑袋就这么定了
• 好使不好使呢？🤔
• 我们下次再说！👋