ASCII 與 Unicode：是什麼、有什麼用

什麼是字元編碼

編碼是一種約定：「數字 65 代表字母 A」。當你寫一段文字時，程式會把這些數字存起來；別人打開它時，他們的程式會用同一個約定把這些數字轉回字母。如果雙方用的不是同一張表，文字就會顯示錯誤。

要區分兩個概念。一個是字元集，也就是哪些數字對應哪些符號的清單。另一個是這些數字如何以位元組存放。在 ASCII 中，兩者很簡單地一致；在 Unicode 中則不然，這時就輪到 UTF-8 登場。

ASCII：128 個 7 位元的字元

ASCII（American Standard Code for Information Interchange 的縮寫）在 1960 年代被制定為標準。它使用 7 位元，也就是 2 的 7 次方 = 128 個代碼，從 0 到 127。其中，33 個是控制字元（0 到 31 以及 127），95 個是可顯示字元（32 到 126，包含空格）。

它不包含帶重音符號的字母、ñ，或歐元符號：它是為英文設計的。這也說明了為什麼後來需要其他的代碼表。

值得記住的規律

這張表並不是隨機排列的。只要掌握幾個規律，你就能憑記憶讀出代碼。

• 數字「0」到「9」佔據 48 到 57（十六進位為 30 到 39）。一個數字的值就是它的代碼減去 48：「7」是 55，而 55 − 48 = 7。
• 大寫字母從 65（「A」）到 90（「Z」），小寫字母從 97（「a」）到 122（「z」）。
• 大寫字母和對應的小寫字母，差距永遠是 32：「A」= 65 而「a」= 97；「C」= 67 而「c」= 99。在二進位中只有一個位元不同：「A」是 01000001，「a」是 01100001。
• 要知道一個大寫字母在字母表中排第幾，減去 64：「C」是 67，而 67 − 64 = 3，也就是第三個字母。
• 因為所有大寫字母（65 到 90）的代碼都比小寫字母（97 到 122）小，所以「依代碼」的字母排序，會把「Zebra」排在「apple」前面。許多程式需要另外的比較選項，才能正確排序。

行尾：LF、CR 與 CRLF

換行看起來很簡單，但不同系統的寫法並不一樣。Unix、Linux 和 macOS 用單一字元 LF (10)。Windows 則連續用兩個，CR 和 LF（13 和 10），稱為 CRLF。舊式電傳打字機需要兩個不同的指令：把滑架移回開頭，並把紙往前推一行。

這個差異，正是為什麼檔案在基本編輯器裡會全部擠成一行，或是每一行結尾出現奇怪符號的原因。如果想知道它們各自是什麼代碼，在 ASCII 碼表的搜尋框輸入 LF 或 CR 即可。

「擴充 ASCII」並不是標準

因為一個位元組有 8 位元，而 ASCII 只用了 7 位元，所以有 128 個代碼空著（128 到 255），每個廠商和地區都用自己的方式填滿它們。這就是所謂的「擴充 ASCII」，但並沒有唯一的一張表：有很多張，稱為字碼頁。其中最有名的兩個是 Latin-1 (ISO-8859-1)，其中 é 是代碼 233，以及 Windows-1252，兩者相似，但在 128 到 159 的代碼上有差異（例如歐元就在那裡）。

問題在於，代碼 233 在一張表中代表「é」，在另一張表中卻代表別的東西。用一張表寫、用另一張表讀的文字，就會顯示成亂碼。Unicode 的誕生，就是為了終結這種混亂。

Unicode 與 UTF-8

Unicode 為世界上幾乎所有書寫系統的每個字元，加上符號和表情符號，指派一個獨一無二的數字，稱為碼位。現在它有超過 150,000 個字元。寫法是加上前綴 U+，並用十六進位：「A」是 U+0041，「ñ」是 U+00F1，歐元是 U+20AC，笑臉表情符號是 U+1F600。前 128 個碼位和 ASCII 完全一樣。

UTF-8 是把這些數字存成位元組最常用的方式，依字元不同會用 1 到 4 個位元組。ASCII 的 128 個字元只佔一個位元組，和以前完全一樣，所以 ASCII 文字同時也是有效的 UTF-8 文字。其他字元則佔用更多位元組。

為什麼會出現「ñ」而不是「ñ」

這是最常見的錯誤，而且有確切的原因。ñ 在 UTF-8 中是兩個位元組：C3 和 B1。如果程式以為這段文字是 Latin-1，就會把每個位元組當成一個字元來讀：C3 是「Ã」，B1 是「±」。結果就是「ñ」。「é」也一樣，會顯示成「é」，而「canción」則會顯示成「canción」。

解決辦法幾乎都是告訴程式，要以 UTF-8 開啟這個檔案（在文字編輯器中，或在試算表匯入的設定中）。反過來的情況，也就是 Latin-1 的文字被當成 UTF-8 讀取，通常會出現帶問號的菱形，因為那些單獨的位元組無法組成有效的 UTF-8 序列。

如何使用 ASCII 碼表與轉換功能

「ASCII 碼表」工具會顯示 128 個字元，以及它們的十進位、十六進位、八進位和二進位代碼，並附上控制字元的名稱。

1. 在搜尋框輸入字元、代碼，或控制字元的名稱（例如 A、65、41 或 LF），找到它所在的那一列。
2. 使用篩選按鈕（控制、數字、大寫、小寫、符號），只查看其中一組。
3. 要轉換的話，在「文字」中輸入文字並選擇格式（十進位、十六進位、八進位或二進位）：代碼會顯示在下方。「Hola」的十進位是 72 111 108 97，十六進位是 48 6F 6C 61。
4. 也可以反過來做：把用空格或逗號分隔的代碼貼到「代碼」中，就會組成文字。十六進位接受 0x41 這類前綴。

如果文字中有不是 ASCII 的字元（例如 ñ），工具會提醒你，並顯示它的 Unicode 代碼。要看真正的 UTF-8 位元組，請使用「文字轉二進位」：ñ 是 11000011 10110001，兩個 8 位元的位元組。限制：碼表只顯示標準 ASCII，不含擴充的部分，而且一切都在你的瀏覽器中計算，不會把文字傳送到任何伺服器。

常見問題