前几天，侄女用我的电脑编辑作文比赛的稿子。调整格式时，她突然蹦出一个问题：电脑上有一个“仿宋_GB2312”字体，“仿宋”很常见，后面跟着的字母和数字是什么意思呢？
其实，这里的“GB2312”可以理解成计算机里字符集的“代号”。那字符集又是做什么的？不同的“代号”有什么不同？这就要从字符编码的原理慢慢说来了。
#1
灯笼的暗号
假设城墙上挂着8盏相同的灯笼，只能通过点亮/熄灭灯笼来向城外的同伴传递消息。你会采取什么样的策略呢？
乍看这个问题似乎有点摸不着头脑……8盏灯太复杂了，我们先从2盏灯开始推理。
为了简化记录，我们把灯亮记作1，灯灭记作0。对于甲灯和乙灯，有4种不同的状态：00；01；10；11。如果我们事先和同伴约定好灯的状态和ABCD的对应关系（例如00代表A，01代表B，10代表C，11代表D），那么2盏灯则可以表示4个字母。
接下来考虑3盏灯的情况，共有8种状态。也就是说，我们可以用3盏灯的亮灭代表8个字母。
例如：
000-A；001-B；010-C；011-D；100-E；101-F；110-G；111-H
以此类推……每盏灯可以呈现2种状态，根据乘法原理，n盏灯可以呈现2n种状态。也就是说，8盏灯能够呈现256（28）种状态，代表256个字符。
#2
信息的编码
计算机传递信息的方式和城墙上的灯笼有异曲同工之妙。1967年，美国人把阿拉伯数字、大小写英文字母、标点符号进行了编码，从0一直编到了127，形成了一套叫ASCII（美国标准信息交换码）的标准。
上图就是ASCII码表的一部分。你可以这么理解：大家约定好了大写字母B统一用0100 0010来表示，那么下次看到城墙上的8盏灯笼的状态依次是“灭-亮-灭-灭-灭-灭-亮-灭”时，你就知道要传达的信息是“B”了。只不过计算机不是用灯笼的亮与灭，而是用晶体管的通与断来标记0和1的状态。
其实，27就等于128了，也就是说，7盏灯笼（7位二进制）足以表示128个字符。所以如果你在网上查阅完整的ACSII码表，会发现128个字符的第一位都用0来表示。
后来，越来越多的国家开始使用计算机，128个字符对于其他语言不太够用。比如法语中就有à之类的特殊情况。
于是，这些国家在128个字符的基础上继续往后编，一直编到了256个字符，形成了EASCII（Extended ASCII，延伸美国标准信息交换码）的编码标准。这套编码标准新增了计算符号、希腊字母和特殊的拉丁符号等。
256就是2的8次方，正好用完了8个二进制位能表示的所有状态。
#3
GB系列
再后来，计算机发展到了中国，256个字符显然不能满足汉字的需要。我国1981年公布了《通信用汉字字符集（基本集）及其交换码标准》GB2312-80方案，对6763个较为常用的汉字进行了编码。
笔者读小学时，有同学名字中带有“祎”字，老师打印值日表时总是显示不出来。这个字在人名中还比较常见，但没有在GB2312的字符集中编码，所以很多早期的字体并未收录。我们可以通过一个小实验验证一下：
可以明显看到“祎”并未变成“仿宋_GB2312”字体。
1995年，我国公布了GBK扩展字符集。2000年时，又发布了GB18030方案。后一种方案可以表示150多万个字符，理论上来说表示汉字是足够了的[1]。
GB系列是中国人自己的字符编码表，国际上的编码方案很多，较为主流的是Unicode，它于1994年正式发布，每种语言中的每个字符设定了统一并且唯一的编码。你可以访问其官网[2]了解更多，在这里就不展开介绍了。
#4
消失的文字
使用windows电脑的读者可以尝试一下：新建文本文档，输入“通”字，保存后重新打开，可能会发现文字消失了，变成了奇怪的字符。
这是因为，“通”字的字符编码发生了冲突：新建记事本时，有的系统默认采用ANSI（GB系列的编码）；但打开的时候，记事本却误以为是UTF8文件（Unicode的编码），形成了乱码。
给大家留一个小实验：仿照上图，将写有“通”的文本文档另存为，修改编码方式，再打开另存的文件。
文件里的内容会是乱码吗？还是正常显示的“通”呢？悬念就留给你自行实验探索吧！
参考资料
[1] 邹本娜.谈汉字编码与应用中的问题[J].硅谷,2009(03):136.
[2] https://home.unicode.org/
文章为用户上传，仅供非商业浏览。发布者：Lomu，转转请注明出处： https://www.daogebangong.com/articles/detail/Smart%20SOLO%20%20What%20does%20the%20GB2312%20after%20imitating%20the%20Song%20Dynasty%20font%20mean.html
支付宝扫一扫 
评论列表（196条）
测试