各種語系的unicode對應以及local編碼方式

一.英文

Unicode範圍: 0041-005A, 0061-007A (若含數字與符號,則為0021-007E)
locale編碼: ANSI

1. ANSI

HTML charset: us-ascii
RTF charset: 0
編碼方式: 41-5A, 61-7A (若含數字與符號,則為21-7E)


二.中文

Unicode範圍: 2E80-2FDF, 3400-4DBF, 4E00-9FFF
備註:F900-FAFF的相容型中文字碼,應轉至一般的中文字碼處理,31A0-31BF則為注音符號表

locale編碼: 繁體中文有BIG5, CNS, 簡體中文為GB

1.BIG5

HTML charset: big5
RTF charset: 136
編碼方式: 雙byte語系, byte 1範圍為A1-FE, byte 2範圍為40-7E, A1-FE
備註:big5+目前幾乎無人使用,故省略不提

2.CNS

HTML charset: 無 (應為euc-tw或iso-2022-cn, 但IE並不支援)
RTF charset: 無
編碼方式: 多byte語系
byte 1範圍為A1-FE時為2 byte編碼, byte 2範圍為A1-FE
byte 1為8E時, 為4 byte編碼, byte 2範圍為A1-B0, byte 3與byte 4範圍均為A1-FE

備註: 4 byte編碼時, byte 2為A1與2 byte編碼之字碼相同 (即第1字面), CNS目前只使用了7個字面, 因此byte 2實際使用範圍為A1-A7, 早期第15字面有放了一些字碼, 後來都已編入前7個字面內了

3.GB

HTML charset: gb2312, gbk, euc-cn
RTF charset: 134
編碼方式: 雙byte語系, byte 1範圍為81-FE, byte 2範圍為40-7E, 80-FE


三.日文

Unicode範圍: 3040-30FF, 31F0-31FF(混用中文字碼)
備註:FF00-FFEF有半形日文,應轉至一般日文字碼處理

locale編碼: Shift-JIS, EUC-JP

1.Shift-JIS

HTML charset: shift_jis, x-sjis, iso-2022-jp
RTF charset: 128
編碼方式: 單/雙byte語系
byte 1範圍為A1-DF時為1 byte編碼
byte 1範圍為81-9F, E0-EF時為2 byte編碼, byte 2範圍為40-7E, 80-FC

2.EUC-JP

HTML charset: euc-jp, x-euc-jp
RTF charset: 無
編碼方式: 多byte語系
byte 1為8E時, 為2 byte編碼, byte 2範圍為A1-DF
byte 1範圍為A1-FE時, 為2 byte編碼, byte 2範圍為A1-FE
byte 1為8F時為3 byte編碼, byte 2與byte 3範圍均為A1-FE

備註: IE不支援3 byte編碼部份


四.韓文

Unicode範圍: 1100-11FF, 3130-318F, AC00-D7AF(混用中文字碼)
備註:FF00-FFEF有半形韓文,應轉至一般韓文字碼處理

locale編碼: Johab, EUC-KR

1.Johab

HTML charset: johab
RTF charset: 130
編碼方式: 雙byte語系
byte 1範圍為84-D3時, byte 2範圍為41-7E, 81-FE
byte 1範圍為D8-DE, E0-FE時, byte 2範圍為31-7E, 91-FE

2.EUC-KR

HTML charset: euc-kr, iso-2022-kr
RTF charset: 129
編碼方式: 雙byte語系, byte 1範圍為A1-FE, byte 2範圍為A1-FE


五.阿拉伯文

Unicode範圍: 0600-06FF, 0750-077F

locale編碼: Windows

1.Windows

HTML charset: windows-1256
RTF charset: 178

編碼方式: 1 byte語系

六.泰文
Unicode範圍: 0E00-0E7F
locale編碼: Windows
1.Windows
HTML charset: windows-874 RTF charset: 222 編碼方式: 1 byte語系
七.俄文
Unicode範圍: 0400-052F (西里爾文)
locale編碼: Windows, ISO, KOI8-U, KOI8-R
1.Windows
HTML charset: windows-1251 RTF charset: 204 編碼方式: 1 byte語系
2.ISO
HTML charset: iso-8859-5 RTF charset: 無 編碼方式: 1 byte語系
3.KOI8-U
HTML charset: koi8-u RTF charset: 無 編碼方式: 1 byte語系
4.KOI8-R
HTML charset: koi8-r RTF charset: 無 編碼方式: 1 byte語系
八.德文/法文
Unicode範圍: 00C0-00FF(混用英文字母) 備註:字母上面有2點者為德文, 字母上面有重音符號者為法文
locale編碼: ANSI
1.ANSI
HTML charset: iso-8859-1, windows-1252 RTF charset: 0 編碼方式: 1 byte語系
九.印尼文/馬來西亞文
Unicode範圍: 同英文, 為拼音語系 locale編碼: 同英文
十.其他
希臘文,土耳其文,希伯來文,中歐拉丁語文,越南文等尚在研究中...

十.中歐語系
Unicode範圍(拉丁語文): 00C0-02AF, 1E00-1EFF(混用英文)
locale編碼: Windows, ISO
1.Windows
HTML charset: windows-1250 RTF charset: 238 編碼方式: 1 byte語系
2.ISO
HTML charset: iso-8859-2 RTF charset: 無 編碼方式: 1 byte語系
十一.希臘文
Unicode範圍: 0370-03FF, 1F00-1FFF, 2C80-2CFF
locale編碼: Windows
1.Windows
HTML charset: windows-1253, iso8859-7 (後者IE不支援) RTF charset: 161 編碼方式: 1 byte語系
十二.希伯來文
Unicode範圍: 0590-05FF
locale編碼: Windows
1.Windows
HTML charset: windows-1255, iso8859-8 (後者IE不支援) RTF charset: 177 編碼方式: 1 byte語系
十三.土耳其文
Unicode範圍: 同拉丁語文(混用英文)
locale編碼: Windows
1.Windows
HTML charset: windows-1254, iso8859-9 (後者IE不支援) RTF charset: 162 編碼方式: 1 byte語系

原文地址:https://www.cnblogs.com/rambo1293271398/p/3337069.html