ASCII 码

1  ASCII 简介

ASCII(发音:/ˈæski/],American Standard Code for Information Interchange,美国信息交换标准代码)它主要用于显示现代英语,是一套基于拉丁字母的字符编码,共收录了 128 个字符,而其扩展版本延伸美国标准信息交换码则可以部分支持其他西欧语言,用一个字节就可以存储,并等同于国际标准ISO/IEC 646。

美国信息交换标准代码是这套编码系统的传统命名,互联网号码分配局现在更倾向于使用它的新名字US-ASCII。

美国信息交换标准代码是美国电气和电子工程师协会里程碑之一。

ASCII码可以分作三部分组成。

  • 第一部分:ASCII非打印控制字符
  • 第二部分:ASCII打印字符;
  • 第三部分:扩展ASCII打印字符

1.1  第一部分:ASCII 非打印控制字符表

ASCII表上的数字0–31分配给了控制字符,用于控制像打印机等一些外围设备。例如,12代表换页/新页功能。此命令指示打印机跳到下一页的开头。(参详ASCII码表中0-31)

1.2  第二部分:ASCII打印字符

数字 32–126 分配给了能在键盘上找到的字符,当您查看或打印文档时就会出现。数字127代表 DELETE 命令。(参详ASCII码表中32-127)

ASCII码表 0-127

(二进制)
Binary
(十进制)
Decimal
(十六进制)
Hexadecimal
缩写/字符解释
000NUL(null)空字符
111SOH(start of headling)标题开始
1022STX (start of text)正文开始
1133ETX (end of text)正文结束
10044EOT (end of transmission)传输结束
10155ENQ (enquiry)请求
11066ACK (acknowledge)收到通知
11177BEL (bell)响铃
100088BS (backspace)退格
100199HT (horizontal tab)水平制表符
1010100ALF (NL line feed, new line)换行键
1011110BVT (vertical tab)垂直制表符
1100120CFF (NP form feed, new page)换页键
1101130DCR (carriage return)回车键
1110140ESO (shift out)不用切换
1111150FSI (shift in)启用切换
100001610DLE (data link escape)数据链路转义
100011711DC1 (device control 1)设备控制1
100101812DC2 (device control 2)设备控制2
100111913DC3 (device control 3)设备控制3
101002014DC4 (device control 4)设备控制4
101012115NAK (negative acknowledge)拒绝接收
101102216SYN (synchronous idle)同步空闲
101112317ETB (end of trans. block)传输块结束
110002418CAN (cancel)取消
110012519EM (end of medium)介质中断
11010261ASUB (substitute)替补
11011271BESC (escape)溢出
11100281CFS (file separator)文件分割符
11101291DGS (group separator)分组符
11110301ERS (record separator)记录分离符
11111311FUS (unit separator)单元分隔符
1000003220(space)空格
1000013321! 
1000103422 
1000113523# 
1001003624$ 
1001013725% 
1001103826& 
1001113927 
1010004028( 
1010014129) 
101010422A* 
101011432B+ 
101100442C, 
101101452D 
101110462E. 
101111472F/ 
11000048300 
11000149311 
11001050322 
11001151333 
11010052344 
11010153355 
11011054366 
11011155377 
11100056388 
11100157399 
111010583A: 
111011593B; 
111100603C 
111101613D= 
111110623E 
111111633F? 
10000006440@ 
10000016541A 
10000106642B 
10000116743C 
10001006844D 
10001016945E 
10001107046F 
10001117147G 
10010007248H 
10010017349I 
1001010744AJ 
1001011754BK 
1001100764CL 
1001101774DM 
1001110784EN 
1001111794FO 
10100008050P 
10100018151Q 
10100108252R 
10100118353S 
10101008454T 
10101018555U 
10101108656V 
10101118757W 
10110008858X 
10110018959Y 
1011010905AZ 
1011011915B[ 
1011100925C\ 
1011101935D] 
1011110945E^ 
1011111955F_ 
11000009660` 
11000019761a 
11000109862b 
11000119963c 
110010010064d 
110010110165e 
110011010266f 
110011110367g 
110100010468h 
110100110569i 
11010101066Aj 
11010111076Bk 
11011001086Cl 
11011011096Dm 
11011101106En 
11011111116Fo 
111000011270p 
111000111371q 
111001011472r 
111001111573s 
111010011674t 
111010111775u 
111011011876v 
111011111977w 
111100012078x 
111100112179y 
11110101227Az 
11110111237B{ 
11111001247C| 
11111011257D} 
11111101267E~ 
11111111277FDEL (delete)删除

1.3  第三部分:扩展ASCII打印字符

扩展的ASCII字符满足了对更多字符的需求。扩展的ASCII包含ASCII中已有的128个字符(数字0–32显示在下图中),又增加了128个字符,总共是256个。即使有了这些更多的字符,许多语言还是包含无法压缩到256个字符中的符号。因此,出现了一些ASCII的变体来囊括地区性字符和符号。例如,许多软件程序把ASCII表(又称作ISO8859-1)用于北美、西欧、澳大利亚和非洲的语言。

2  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。

  • 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。

发表回复

您的电子邮箱地址不会被公开。