我們常說漢字的"內碼"與"外碼"。 內碼是漢字在計算機內部儲存，處理和傳輸用的資訊編碼。它必須與ASCII碼相容但又不能衝突。 所以把國標碼兩個位元組的最高位置"1"，以區別於西文，這就是內碼。漢字的輸入碼稱為"外碼"。輸入碼即指我們輸入漢字時使用的編碼。常見的外碼分為數字編碼(如區位碼)，拼音編碼和字形編碼(如五筆)。 再說區位碼，"啊"的區位碼是1601，寫成16進位制是0x10,0x01。這和計算機廣泛使用的ASCII編碼衝突。為了相容00-7f的ASCII編碼，我們在區位碼的高、低位元組上分別加上A0。這樣"啊"的編碼就成為B0A1。我們將加過兩個A0的編碼也稱為GB2312編碼，雖然GB2312的原文根本沒提到這一點。 內碼是指作業系統內部的字元編碼。早期作業系統的內碼是與語言相關的.現在的Windows在內部統一使用Unicode，然後用內碼表適應各種語言,"內碼"的概念就比較模糊了。我們一般將預設內碼表指定的編碼說成是內碼。內碼這個詞彙，並沒有什麼官方的定義。內碼表也只是微軟的一種習慣叫法。作為程式設計師，我們只要知道它們是什麼東西，沒有必要過多地考證這些名詞。 所謂內碼表(codepage)就是針對一種語言文字的字元編碼。例如GBK的codepage是CP936，BIG5的codepage是CP950，GB2312的codepage是CP20936。 Windows中有預設內碼表的概念，即預設用什麼編碼來解釋字元。例如Windows的記事本打開了一個文字檔案，裡面的內容是位元組流：BA、BA、D7、D6。Windows應該去怎麼解釋它呢？是按照Unicode編碼解釋、還是按照GBK解釋、還是按照BIG5解釋，還是按照ISO8859-1去解釋？如果按GBK去解釋，就會得到"漢字"兩個字。按照其它編碼解釋，可能找不到對應的字元，也可能找到錯誤的字元。所謂"錯誤"是指與文字作者的本意不符，這時就產生了亂碼。 答案是Windows按照當前的預設內碼表去解釋文字檔案裡的位元組流。預設內碼表可以透過控制面板的區域選項設定。記事本的另存為中有一項ANSI，其實就是按照預設內碼表的編碼方法儲存。 Windows的內碼是Unicode，它在技術上可以同時支援多個內碼表。只要檔案能說明自己使用什麼編碼，使用者又安裝了對應的內碼表，Windows就能正確顯示，例如在HTML檔案中就可以指定charset。 有的HTML檔案作者，特別是英文作者，認為世界上所有人都使用英文，在檔案中不指定charset。如果他使用了0x80-0xff之間的字元，中文Windows又按照預設的GBK去解釋，就會出現亂碼。這時只要在這個html檔案中加上指定charset的語句，例如： <metahttp-equiv="Content-Type"content="text/html;charset=ISO8859-1"> 如果原作者使用的內碼表和ISO8859-1相容，就不會出現亂碼了。???????????????????????? 進一步的參考資料 "ShortoverviewofISO-IEC10646andUnicode"(http://www.nada.kth.se/i18n/ucs/unicode-iso10646-oview.html)
我們常說漢字的"內碼"與"外碼"。 內碼是漢字在計算機內部儲存，處理和傳輸用的資訊編碼。它必須與ASCII碼相容但又不能衝突。 所以把國標碼兩個位元組的最高位置"1"，以區別於西文，這就是內碼。漢字的輸入碼稱為"外碼"。輸入碼即指我們輸入漢字時使用的編碼。常見的外碼分為數字編碼(如區位碼)，拼音編碼和字形編碼(如五筆)。 再說區位碼，"啊"的區位碼是1601，寫成16進位制是0x10,0x01。這和計算機廣泛使用的ASCII編碼衝突。為了相容00-7f的ASCII編碼，我們在區位碼的高、低位元組上分別加上A0。這樣"啊"的編碼就成為B0A1。我們將加過兩個A0的編碼也稱為GB2312編碼，雖然GB2312的原文根本沒提到這一點。 內碼是指作業系統內部的字元編碼。早期作業系統的內碼是與語言相關的.現在的Windows在內部統一使用Unicode，然後用內碼表適應各種語言,"內碼"的概念就比較模糊了。我們一般將預設內碼表指定的編碼說成是內碼。內碼這個詞彙，並沒有什麼官方的定義。內碼表也只是微軟的一種習慣叫法。作為程式設計師，我們只要知道它們是什麼東西，沒有必要過多地考證這些名詞。 所謂內碼表(codepage)就是針對一種語言文字的字元編碼。例如GBK的codepage是CP936，BIG5的codepage是CP950，GB2312的codepage是CP20936。 Windows中有預設內碼表的概念，即預設用什麼編碼來解釋字元。例如Windows的記事本打開了一個文字檔案，裡面的內容是位元組流：BA、BA、D7、D6。Windows應該去怎麼解釋它呢？是按照Unicode編碼解釋、還是按照GBK解釋、還是按照BIG5解釋，還是按照ISO8859-1去解釋？如果按GBK去解釋，就會得到"漢字"兩個字。按照其它編碼解釋，可能找不到對應的字元，也可能找到錯誤的字元。所謂"錯誤"是指與文字作者的本意不符，這時就產生了亂碼。 答案是Windows按照當前的預設內碼表去解釋文字檔案裡的位元組流。預設內碼表可以透過控制面板的區域選項設定。記事本的另存為中有一項ANSI，其實就是按照預設內碼表的編碼方法儲存。 Windows的內碼是Unicode，它在技術上可以同時支援多個內碼表。只要檔案能說明自己使用什麼編碼，使用者又安裝了對應的內碼表，Windows就能正確顯示，例如在HTML檔案中就可以指定charset。 有的HTML檔案作者，特別是英文作者，認為世界上所有人都使用英文，在檔案中不指定charset。如果他使用了0x80-0xff之間的字元，中文Windows又按照預設的GBK去解釋，就會出現亂碼。這時只要在這個html檔案中加上指定charset的語句，例如： <metahttp-equiv="Content-Type"content="text/html;charset=ISO8859-1"> 如果原作者使用的內碼表和ISO8859-1相容，就不會出現亂碼了。???????????????????????? 進一步的參考資料 "ShortoverviewofISO-IEC10646andUnicode"(http://www.nada.kth.se/i18n/ucs/unicode-iso10646-oview.html)