390-820483-[趣味拓展]西里尔字符集_Cyrillic_俄文字符编码_KOI_8859系列_1252字符集.sy.md

show	version	enable_checker
step	1.0	true

各语言字符编码

回忆上次内容

• 罗马帝国 分成了东西罗马
  • 核心的位置 是 Christ 标志
    • xp
    • 后来发展成为了十字架

• 这个 西里尔字符
  • 应该 如何编码呢？🤔

俄语字符

• 俄语有自己的字母表顺序

• 和英文有些字符重复

三种字符比较

• 回忆古希腊字符
  • 古希腊的雕塑、哲学、医学等文化
  • 进入了罗马文明
• 马其顿王国 被罗马帝国征服后
  • 希腊半岛的军事力量
  • 臣服于 意大利半岛
  • 拉丁字符 成为新的替代
• 向西边
  • 凯撒 发现了 高卢旁边 的岛屿
    • 并且后续 罗马执政官 征服了这个岛
    • 占据了温泉
  • 又在 坎特伯雷大教堂
    • 传播 拉丁文的圣经
  • 使得 拉丁字符 进入英文

• 向东边
  • 西里尔文字 收到 希腊文字影响
  • 文化 也受到 罗马、希腊文化影响
• 他们之间的字符可以通用吗？

编程

greek = set("ΑαΒβΓγΔδΕεΖζΗηΘθΙιΚκ∧λΜμΝνΞξΟο∏πΡρ∑σΤτΥυΦφΧχΨψΩω")
english = set("AaBbCcDdEeFfGgHhIiJjKkLlMmNnOoPpQqRrSsTtUuVvWwXxYyZz")
cyrillic = set("АаВбВвГгДдЕеЖжЅѕЗзИиЙйІіКкЛлМмНнОоПпРрСсТтУуЎўОУоуФфХхѠѡЦцЧчЩщЏџЪъѢѣЮюѮѯѰѱѲѳѴѵ")
print("greek and english",greek & cyrillic)

• 结果

• 希腊字符和英文字符长的类似的也有不同的序号
• 可以明确这个序号吗？

明确序号

print("greek A ord",ord("Α"))
print("english A ord",ord("A"))
print("cyrillic A ord",ord("А"))

• 结果

• 如果抛开序号问题
• 只看字型呢？
• 他们之间有什么关系呢？

音形义

• 西方字符 也是一个 音形义的结合体

• 后来意义主要由字符组成的单词来表示
• 字符主要代表音和型
• 同样类型的写法 却被 分配到不同的 字符集
  • 英文、希腊、西里尔
• 如果分配到同一个字符集会如何呢？

土耳其语

• 土耳其语字符只有上述字符
  • 不在拉丁字符集中

* ğ – \u011f
* Ğ – \u011e
* ı – \u0131
* İ – \u0130
* ö – \u00f6
* Ö – \u00d6
* ü – \u00fc
* Ü – \u00dc
* ş – \u015f
* Ş – \u015e
* ç – \u00e7
* Ç – \u00c7

• 这样就导致土耳其语

  • 没有自己独立的字符集

• 东罗马帝国 当时就是

  • 被奥斯曼帝国 打趴下的
  • 没想到
    • 西里尔文字有自己的一套字符集
    • 但是 土耳其语 却没有

• 这 西里尔字符

  • 后来被 俄语所继承
  • 甚至 还差点成为了我们的汉语拼音字形

汉语拼音

• 当时 前苏联 是我国老大哥
  • 就连 外语学的 都是俄语
  • 也曾计划 用西里尔字母 作为汉语拼音字母

• 后来 中苏关系紧张
  • 西里尔拼音方案 搁浅
  • 最后 将拉丁字符 定为 汉语拼音 字符
• 计算机时代
  • 西里尔文字 应该如何编码呢？

KOI-7

• 1981年苏联做了个 7-bit 的西里尔字符集
  • KOI-7
  • 相当于ascii

• 西里尔字符 有8-bit的版本 吗？

KOI-8

• 1987年制作了 8-bit 的西里尔字符集
  • KOI-8
  • 相当于latin-1

• 去掉了$(美元符号)
  • 但是字节序 是按照latin的字母顺序
  • 而不是 西里尔字符的字母顺序
  • 西里尔字符 后来如何了呢？

欧洲各地字符集

• 西里尔字符后来落实在
  • iso-8859-5

• 其他 各种书写文字 也仿照iso-8859-1方式
  • 只都改后一半
• 8859 就这样分出 16 个部分
  • 每种拼音文字 都有 自己的字符集

阿拉伯语字符集

• 这些字符集的大小 都是1个字节
  • 但是 从128到255号字符
  • 彼此 都 不一致

• 比如 阿拉伯语字符集

希腊语 字符集

• 但是不能 同时显示
  • 阿拉伯语和希腊语

• 就导致了
  • 同一个字节
  • 不同编码方式
  • 对应不同的字符

不同编码解释

• 如果同样一个字节 b"\xa1"

• 在 不同编码字符集下
  • 对应的字符 是不同的

• 在iso-8859 这套方案 中
  • 同一个字节 通过不同的解码方式
  • 可以对应 不同的字符
• 导致面对字节序列的时候
  • 不但要知道
    • 字节的状态
  • 更要知道
    • 字节所使用的编码方式

编码方式

• 计算机 在显示文字的时候
  • 不但要知道 具体的 字节内容 是什么
  • 更要明确 这些字节使用的编码方式 是什么

• 解铃 还需 系铃人
  • 否则 就会出现乱码
• 扩展区的乱
  • 反而稳定了
    • 基础区的ascii字符

• 26个小写拉丁字母表示
  • 稳！

缘起性空

• 7-bit 没有满
  • 所以 字节中 还能容纳 其它的字符
  • 这样 ascii 就成为 各种编码的基础
  • 位置更稳了
• 英文字符 在哪里 都能用
  • 就更成了 世界级字符 了

• 满招损 谦受益
  • 有之以为利 无之以为用
  • 性空才能缘起
  • 留白才有意境
  • 海纳百川
    • 是因为够低

环境

• 当时的环境 是
  • 大型机 逐渐没落
  • 个人电脑 兴起
• 微软 成为 ibm兼容机时代最大的获利者
  • 从dos到windows
  • 几乎 一统PC

• iso8859系列 字符集
  • 又是 如何被微软落实的 呢？

选择

• 在iso-8859-1的基础上

• 微软实现并扩展了这个标准
  • 把灰色区域填充了一些符号

• 微软的window-1252编码
  • 支持了 西欧、北欧拉丁字符
  • 以牺牲 其他地区字符的方式
  • 某种程度 终结了 拼音字符的编码大战
• 可是 世界上的字符
  • 除了 拼音字符
  • 还有 象形文字
    • 而且 数量巨大

总结

• 这次回顾了西里尔字符的编码过程
  • KOI-7
  • KOI-8
• ISO-8859 系列进行总结
  • 字符扩展 ascii 共 16 种
  • 由iso组织制定
    • 从 iso-8859-1
    • 到 iso-8859-16
  • 无法 同时显示
    • 俄文和法文
• 世界上的字符
  • 除了 拼音文字 之外
  • 还有 象形文字

• 这个 象形文字 怎么来的呢？🤔
  • 如何编码呢？🤔
• 我们下次再说！👋