ISO/IEC 2022
ISO 2022，全稱ISO/IEC 2022，由國際標準化組織（ISO）及國際電工委員會（IEC）聯合制定，是一個使用7位或8位元編碼表示各種語言文字的通用技術規範。特別以東亞語言：漢語文字、日語文字或朝鮮文字的編碼方法著稱。
ISO 2022等同於歐洲標準組織（ECMA）的ECMA-35。中國國標GB 2312、日本工業規格JIS X 0202（舊稱JIS C 6228）及韓國工業規格KS X 1004（舊稱KS C 5620）均遵從ISO 2022。
引言
[編輯]
早期電腦的字元編碼基本上都是6位。所以早期電腦的整形的字長一般是6的倍數，如18位元、24位元、36位元等。1963年公佈的ASCII碼是第一個得到廣泛採用的7位字元編碼。這時的通訊領域的協定採用了第8位元做校驗糾錯用途。但是，對於電腦主記憶體來說，校驗糾錯變得不是必要。因此8位元字元編碼逐漸出現，用來表示比ASCII碼更多的字元。為此，1971年公佈的ECMA-35標準，用來規定各種7位或8位元字元編碼應當遵從的共同規則。隨後ECMA-35被採納為ISO 2022.
英語可用7位編碼儲存，而其他使用拉丁字母、希臘字母、西里爾字母、希伯來字母等的語文，由於只使用數十個字母，傳統上均使用8位元編碼的ISO/IEC 8859標準來表示。但由於漢語、日語及韓語字數眾多，無法用單一個8位元字元來表達，故需要多於一個位元組來代表一個字。於是，ISO 2022就設計出來讓漢語、日語及韓語可以使用數個7位編碼的字元來示。
ISO 2022用來：
- 在一種字元編碼下表示屬於多個字元集的字元；
- 表示大字元集；
- 相容7位元信道，即使是8位元編碼字元集。
ISO 2022使用「跳脫符串」（Escape sequence）指出隨後的字元屬於哪個字元集。這些字元集在ISO登記，並遵循ISO 2022標準規定的模式。跳脫符串由1個「ESC」字元（0x1B），再由兩至三個字串組成。此標記代表它後面的字元，屬於下表字元集的文字。對於一個字元集，如果上下文可以判明是哪種字元集，也可以不通過跳脫序列來明確指出是哪種字元集。實際上，ISO-8859-1就宣佈不需要定義它的跳脫序列。
ISO 2022的主要內容
[編輯]ISO 2022用於相容當時的7位元寬的通訊協定/通訊裝置。對於7位元寬的編碼空間，0x00-0x1F保留給控制字元，0x20-0x7F用來表示圖形字元（printing/"graphic" characters）。因此，在1個7位元的字元編碼空間，圖形字元總計為94個（由於空格符佔用了0x20碼位、Del符佔用了0x7F碼位）或者96個。對於雙位元組的7位元編碼空間，圖形字元可以有94 x 94即8836個。對於三位元組的7位元編碼空間，圖形字元可以有94×94×94即830584個（雖然沒有三位元組字元集向ISO登記）。1970年代至1980年代，中文、日文、韓文的字元集漢字編碼數量基本上在這個範圍內。對於雙位元組編碼的字元的每個code point，日文譯作區點，中文譯作碼位；area在中日文均譯作「區」，point在日文譯作「點」，在中文譯作「位」。因此，GB2312及其相關字元集國標，採用了「區位碼」。
ISO 2022規定字元集的控制字元可分為兩塊：C0，C1； 列印（圖形）字元分為四塊：G0，G1，G2，G3。對於7位元編碼， 位元組值0x00-0x1F保留給C0控制字元塊；位元組值0x20-0x7F用於G0, G1, G2, G3字元塊。對於單位元組編碼的字元集，1個列印（圖形）字元塊可包含94個或96個字元；對於雙位元組編碼的字元集，1個列印（圖形）字元塊可包含94 x 94個字元。使用控制符的跳脫序列來表示在G0，G1，G2，G3之間的切換。
對於遵從ISO 2022的8位元編碼字元集，也是按照上述7位元編碼原則設計的編碼方案。這種8位元編碼字元集很容易相容當時的7位元寬的通訊協定/通訊裝置。8位元字元編碼時，0x00-0x1F表示C0或稱CL區（L是left縮寫，因為其在字元表的左側），0x80-0x9F表示C1或稱CR（R是Right縮寫，因為其在字元表的右側）。0x20-0x7F表示G0（稱GL區），0xA0-0xFF（稱GR區）可表示G1, G2, G3。
ISO-8859-X字元集是特定的把ISO-2022的若干成分組合起來的字元集。這些成分包括：
- 低階控制字元(C0)
- US-ASCII字元集(GL)
- 高端控制字元(C1)
- 高端字元(GR)是特定於每個ISO-8859-X變種。例如ISO-8859-1是由ISO-IR-1, ISO-IR-6, ISO-IR-77, ISO-IR-100 組成。
對於GB 2312，是8位元雙位元組編碼。其漢字編碼空間為94 x 94，即有94個區，每個區有94個位（用來編碼字元）。實際使用了16-55區編碼一級漢字，56-87區編碼二級漢字。這些漢字均放在了G1字元塊區。這種區位碼方案是GB 2312的邏輯設計。其具體的字元編碼方案（Character Encoding Scheme）：位元組值在0x00-0x7F，為單位元組表示一個字元，構成了C0、G0區，與ASCII碼相容。因此，GB 2312是單、雙位元組混合編碼。
GBK編碼作為簡體中文Windows作業系統的預設的語言locale設置，GBK編碼雖然完全向下相容GB 2312，但GBK突破了ISO 2022中GR區域的字數的94²=8,836個字的限制。GBK編碼的第一位元組向 81–FE (126個選項，佔用了C1區) 、第二位元組向 40–FE (191個選項，佔用了GL區、C1區) 進行擴充。隨後的GB 18030在完全相容GBK的基礎上增加了4位元組的編碼，如果第二位元組的值在0x30-0x3F範圍，則隨後的兩個位元組一起組成1個4位元組編碼的字元。
CNS 11643-1992，至1992年作為雙位元組編碼包含了7個字面、48,027字。其具體的字元編碼方案是採用控制字元跳脫序列，在不同的字面之間切換。
編碼結構
[編輯]ISO/IEC 2022編碼在字元碼值與顯示的字元之間給出了兩層對映。跳脫序列允許任何大的登記的圖形字元集指代於四個工作集之一：即G0到G3，以及更短的控制序列指出被使用"invoked"的工作集以解釋流中的位元組。
7位元ASCII圖形字元的範圍(0x20–0x7F)，是在字元編碼表的左側，稱作"GL"碼(表示"graphics left")，"高位ASCII"碼的範圍(0xA0–0xFF), 被稱作"GR"碼("graphics right")。
預設, GL碼指代G0字元, GR碼指代G1字元，但這可被控制碼或早先的協定修改：
| 碼 | 縮寫. | 名字 | 效果 |
|---|---|---|---|
| 0x0F | SI LS0 |
Shift In Locking shift zero |
GL編碼G0從現在開始 |
| 0x0E | SO LS1 |
Shift Out Locking shift one |
GL 編碼G1從現在開始 |
| ESC 0x6E (n) | LS2 | Locking shift two | GL 編碼G2從現在開始 |
| ESC 0x6F (o) | LS3 | Locking shift three | GL 編碼G3從現在開始 |
| 0x8E ESC 0x4E (N) |
SS2 | Single shift two | GL 編碼G2僅用於下一個字元 |
| 0x8F ESC 0x4F (O) |
SS3 | Single shift three | GL 編碼G3僅用於下一個字元 |
| ESC 0x7E (~) | LS1R | Locking shift one right | GR 編碼G1從現在開始 |
| ESC 0x7D (}) | LS2R | Locking shift two right | GR 編碼G2從現在開始 |
| ESC 0x7C (|) | LS3R | Locking shift three right | GR 編碼G3從現在開始 |
四個工作集的每個可表示94個字元或94n字元。此外，G1到G3可表示96或96n個字元。當後者被用在GL區域，空格字元與delete字元(碼值0x20與0x7F)不可用。
還有一些罕用的特性可切換控制字元集，這是單層查詢：the 0x00–0x1F範圍是C0控制字元集，0x80–0x9F範圍是C1控制字元集，跳脫序列可以切換不同的選擇。要求任何C0字元集包含ESC字元出現在碼位0x1B。
在上述SS2與SS3例子中，C1控制字元集中的單個控制字元可被7位元編碼用於序列ESC 0x40 (@)到ESC 0x5F (_)。額外的控制功能可用於範圍ESC 0x60 (`)到ESC 0x7E (~)。
跳脫序列指代字元集採取這樣的形式ESC I [I...] F, 其中有一個或多個中間的I位元組來自範圍0x20–0x2F, 一個最後的F位元組來自0x40–0x7F。(範圍0x30–0x3F被保留用於私用F位元組)。 I位元組辨識字元集類型與被指代的工作集，F位元組辨識字元集自身。
| 碼值 | 十六進制 | 縮寫 | 名字 | 效果 |
|---|---|---|---|---|
| ESC ! F | 1B 21 F | CZD | C0-designate | F選擇一個C0控制字元集來使用. |
| ESC " F | 1B 22 F | C1D | C1-designate | F選擇一個C1控制字元集來使用. |
| ESC % F | 1B 25 F | DOCS | Designate other coding system | F選擇一個8-bit編碼；使用ESC % @返回到ISO/IEC 2022.
|
| ESC % / F | 1B 25 2F F | DOCS | Designate other coding system | F選擇一個8-bit編碼；沒有標準方法返回。 |
| ESC & F | 1B 26 F | IRR | Identify revised registration | F被調整到範圍1-63, 指出立即跟隨的登記的哪一個修改版被需要，使得老系統知道自身過時了。 |
| ESC ( F | 1B 28 F | GZD4 | G0-designate 94-set | F選擇一個94個碼位的字元集被用於G0. |
| ESC ) F | 1B 29 F | G1D4 | G1-designate 94-set | F選擇一個94個碼位的字元集被用於G1. |
| ESC * F | 1B 2A F | G2D4 | G2-designate 94-set | F選擇一個94個碼位的字元集被用於G2. |
| ESC + F | 1B 2B F | G3D4 | G3-designate 94-set | F選擇一個94個碼位的字元集被用於G3. |
| ESC - F | 1B 2D F | G1D6 | G1-designate 96-set | F選擇一個96個碼位的字元集被用於G1. |
| ESC . F | 1B 2E F | G2D6 | G2-designate 96-set | F選擇一個96個碼位的字元集被用於G2. |
| ESC / F | 1B 2F F | G3D6 | G3-designate 96-set | F選擇一個96個碼位的字元集被用於G3. |
| ESC $ F ESC $ ( F |
1B 24 F 1B 24 28 F |
GZDM4 | G0-designate multibyte 94-set | F選擇一個94n個碼位的字元集被用於G0. |
| ESC $ ) F | 1B 24 29 F | G1DM4 | G1-designate multibyte 94-set | F選擇一個94n個碼位的字元集被用於G1. |
| ESC $ * F | 1B 24 2A F | G2DM4 | G2-designate multibyte 94-set | F選擇一個94n個碼位的字元集被用於G2. |
| ESC $ + F | 1B 24 2B F | G3DM4 | G3-designate multibyte 94-set | F選擇一個94n個碼位的字元集被用於G3. |
| ESC $ - F | 1B 24 2D F | G1DM6 | G1-designate multibyte 96-set | F選擇一個96n個碼位的字元集被用於G1. |
| ESC $ . F | 1B 24 2E F | G2DM6 | G2-designate multibyte 96-set | F選擇一個96n-個碼位的字元集被用於G2. |
| ESC $ / F | 1B 24 2F F | G3DM6 | G3-designate multibyte 96-set | F選擇一個96n個碼位的字元集被用於G3. |
F位元組的登記對於不同類型的字元集是獨立的。使用ESC ( A到ESC + A指派的94個字元的圖形字元集不相關於使用ESC - A到ESC / A指派的96個字元的圖形字元集。二者也不相干於使用ESC $ ( A 到ESC $ + A指派的94n個字元的字元集，等等。
C0與C1控制字元集也是獨立的。C0控制字元集用ESC ! A指代，與用ESC " A指代的控制字元集C1無關。
此外，I位元組可增加到F位元組前面以擴充F位元組範圍。這僅用於94個字元的字元集，它的碼的形式已經使用了ESC ( ! F。
遵從ISO 2022的字元集
[編輯]以ISO 2022標準來編碼的字集包括：
- ISO-2022-JP - 日語文字
- ESC ( B 轉為ASCII
- ESC ( J 轉為JIS X 0201-1976
- ESC $ @ 轉為JIS X 0208-1978
- ESC $ B 轉為JIS X 0208-1983
- ISO-2022-JP-1 - 於ISO-2022-JP的基礎上，加上以下一組逃逸字串
- ESC $ ( D 轉為JIS X 0212-1990
- ISO-2022-JP-2 - 於ISO-2022-JP-1的基礎上，加上以下四組逃逸字串，提供多語言支援
- ESC $ A 轉為GB 2312-1980（簡體中文）
- ESC $ ( C 轉為KS X 1001-1992（朝鮮文）
- ESC . A 轉為ISO 8859-1（西歐拉丁字母）
- ESC . F 轉為ISO 8859-7（希臘字母）
- ISO-2022-JP-3 - 於ISO-2022-JP的基礎上，加上以下兩組逃逸字串
- ESC $ ( O 轉為JIS X 0213-2000第一字面
- ESC $ ( P 轉為JIS X 0213-2000第二字面
- ISO-2022-JP-2004 - 於ISO-2022-JP-3的基礎上，加上以下一組逃逸字串
- ESC $ ( Q 轉為JIS X 0213-2004第一字面
- ISO-2022-KR - 朝鮮文
- ESC $ ) C 轉為KS X 1001-1992
- ISO-2022-CN - 中文
- ESC $ ) A 轉為GB 2312-1980
- ESC $ ) G 轉為CNS 11643-1992第一字面
- ESC $ * H 轉為CNS 11643-1992第二字面
- ISO-2022-CN-EXT - 於ISO-2022-CN的基礎上，加上以下六組逃逸字串
- ESC $ ) E 轉為ISO-IR-165
- ESC $ + I 轉為CNS 11643-1992第三字面
- ESC $ + J 轉為CNS 11643-1992第四字面
- ESC $ + K 轉為CNS 11643-1992第五字面
- ESC $ + L 轉為CNS 11643-1992第六字面
- ESC $ + M 轉為CNS 11643-1992第七字面
參看
[編輯]參考文獻
[編輯]- 小林劍，（1999年）. CJKV Information Processing. First Edition. O'Reilly and Associates, Inc. ISBN 1-56592-224-7；中文版，鄭褚璋譯，（2002年）中日韓越資訊處理 第一版，台北市，美商歐萊禮股份有限公司。 ISBN 986-7794-03-6
外部連結
[編輯]- 國際標準化組織（頁面存檔備份，存於互聯網檔案館）
- ECMA-35（頁面存檔備份，存於互聯網檔案館）
- 中國國家標準（中華民國）CNS 7654
- International Register of Coded Character Sets to be Used with Escape Sequences（頁面存檔備份，存於互聯網檔案館）
- RFC 1468, ISO-2022-JP的規格
- RFC 2237, ISO-2022-JP-1的規格
- RFC 1554, ISO-2022-JP-2的規格
- RFC 1922, ISO-2022-CN及ISO-2022-CN-EXT的規格
- RFC 1557, ISO-2022-KR的規格
- History of Character Codes in North America, Europe, and East Asia
- CJK.INF: a document on encoding Chinese, Japanese, and Korean (CJK) languages, including a discussion of the various variants of ISO 2022。可透過 HTTP（頁面存檔備份，存於互聯網檔案館）瀏覽。
| 早期電信 | |
|---|---|
| ISO/IEC 8859 | |
| 書目 | |
| 國家標準 | |
| ISO/IEC 2022 | |
| macOS頁碼 | |
| DOS代碼頁 | |
| IBM AIX代碼頁 | |
| Microsoft Windows代碼頁 | |
| EBCDIC代碼頁 | |
| DEC終端機（VTx） | |
| 特定平臺 |
|
| Unicode及通用字元集 | |
| TeX排版系統 | |
| 其他代碼頁 | |
| 控制字元 | |
| 相關條目 | |
