Re: [問題] Unicode, 控制字元
※ 引述《etwas (i'm only dust)》之銘言：
: 標題: [問題] Unicode, 控制字元
: hi
: 小弟讀了一些unicode的資料
: 有些疑問
: 希望大大解答
: 網路上有一篇Unicode與ISO10646(作者:曾士熊先生)
: 裡面有講到網路設備在收octet時會視是控制字元與否
: 做出直接對應動作或是傳送給後續設備(這裡我想是protocol stacks)
:
: 可是目前通用的UTF(ex. UTF-8, UTF-16,...)
: 編碼過後的結果每一個octet並沒有跳過這些控制碼吧?
: 那是如何防止被設備誤判的呀?
: ◆ From: 114.136.113.139
: 推 buganini:UTF-8是ASCII-compatible的 220.135.231.23 06/01 20:24
==================================================================
網路的收送兩端模組假如是能分辨 ASCII 的控制碼(ASCII-aware), 對於
binary data 就會做區分的處理(譬如 ESCAPE indication), 若 binary
data 是 UTF-8 就會在傳輸前後, 被做預處理與後處理復原, 因此不會被
誤判, 也就不會對 UTF-8 字串的控制碼起不當反應.
假如送端是能分辨 UTF-8 , 因之對 UTF-8 裡的 控制碼(octet) 不做預處
理, 但收端卻不能分辨 UTF-8 只能分辨 ASCII , 此時欠缺預處理的 binary
data 就會被收端誤判.
程式模組間的呼叫, 傳遞參數與資料 就相當於收送兩端進行送收資料, 兩模
組對資料形式與表達的認知應該一致, 才不至於對 binary data 產生誤動作.
常用UTF-8是 3 bytes 一組, ASCII 則是7個bit(當一個byte)一組, 跟 2
bytes 的中文碼(如 BIG5) 會遇到的問題是一樣的.
由於歷史發展次序與前後相容的需要, 傳送端不能假設接收端已都被更新到能
認知新的分辨規則.
即使把 multi-bytes 的多國語言碼轉換成 ASCII compatible 的表示法, 新
的這串 ASCII 仍然需要有一個預處理過的標幟做為區分, 才能分辨出開始與
結束的 "multi-bytes multi-lingual character string".
處理這些不同資料段的方法就如同網路的 上下多層協定 及 封裝分區塊的表
示法.
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.115.4.12
討論串 (同標題文章)
Programming 近期熱門文章
PTT數位生活區 即時熱門文章
