※ 引述《etwas (i'm only dust)》之铭言： : 标题: [问题] Unicode, 控制字元 : hi : 小弟读了一些unicode的资料 : 有些疑问 : 希望大大解答 : 网路上有一篇Unicode与ISO10646(作者:曾士熊先生) : 里面有讲到网路设备在收octet时会视是控制字元与否 : 做出直接对应动作或是传送给後续设备(这里我想是protocol stacks) : : 可是目前通用的UTF(ex. UTF-8, UTF-16,...) : 编码过後的结果每一个octet并没有跳过这些控制码吧? : 那是如何防止被设备误判的呀? : ◆ From: 114.136.113.139 : 推 buganini:UTF-8是ASCII-compatible的 220.135.231.23 06/01 20:24 ================================================================== 网路的收送两端模组假如是能分辨 ASCII 的控制码(ASCII-aware), 对於 binary data 就会做区分的处理(譬如 ESCAPE indication), 若 binary data 是 UTF-8 就会在传输前後, 被做预处理与後处理复原, 因此不会被 误判, 也就不会对 UTF-8 字串的控制码起不当反应. 假如送端是能分辨 UTF-8 , 因之对 UTF-8 里的 控制码(octet) 不做预处 理, 但收端却不能分辨 UTF-8 只能分辨 ASCII , 此时欠缺预处理的 binary data 就会被收端误判. 程式模组间的呼叫, 传递参数与资料 就相当於收送两端进行送收资料, 两模 组对资料形式与表达的认知应该一致, 才不至於对 binary data 产生误动作. 常用UTF-8是 3 bytes 一组, ASCII 则是7个bit(当一个byte)一组, 跟 2 bytes 的中文码(如 BIG5) 会遇到的问题是一样的. 由於历史发展次序与前後相容的需要, 传送端不能假设接收端已都被更新到能 认知新的分辨规则. 即使把 multi-bytes 的多国语言码转换成 ASCII compatible 的表示法, 新 的这串 ASCII 仍然需要有一个预处理过的标帜做为区分, 才能分辨出开始与 结束的 "multi-bytes multi-lingual character string". 处理这些不同资料段的方法就如同网路的 上下多层协定 及 封装分区块的表 示法. --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.115.4.12