ISO-8859-1是Unicode字符集吗？

Question

我参加过关于XML的讲座，其中写着“ISO-8859-1是一种Unicode格式”。这对我来说听起来不对，但是当我研究它时，我很难准确理解Unicode是什么。

您可以将ISO-8859-1称为Unicode格式吗？你真的可以称之为Unicode吗？

Answer 1

ISO 8859-1不是Unicode

ISO 8859-1也称为Latin-1。它不是直接Unicode格式。

但是，它具有唯一的权限，其代码指向0x00 .. 0xFF一对一映射到Unicode代码点U+0000 .. U+00FF。因此，Unicode的前256个代码点被视为1字节无符号整数，映射到ISO 8859-1。

---

控制字符

ISO 8859-1未定义控制代码的

Peregring-lk observes。 U+0000..U+007F和U+0080..U+00FF的Unicode图表表明在位置U + 0000..U + 001F和U + 007F中找到的C0控件来自ISO / IEC 6429：1992并且在位置中找到C1控件U + 0080..U + 9F同样如此。维基百科C0 and C1 controls表明该标准是ISO / IEC 2022。请注意，其中三个C1控件没有正式名称。

一般而言，ISO 8859-1代码集的控制代码点被假定为ISO 6429（或2022）的C0和C1控件。

Answer 2

ISO-8859-1包含UTF-8 Unicode的子集，它与ASCII基本重叠。

所有ASCII都是UTF-8 Unicode。

代码为7f hex的所有ISO 8859-1（ISO Latin 1）字符都是ASCII兼容的，并且UTF-8在一个字节中兼容。带有变音符号的连字和字符使用多字节Unicode UTF-8表示，并使用Unicode 兼容性代码点。

所有UTF-8单字节字符都包含在ASCII中。

UTF-8还包含多字节序列，其中一些是可兼容的（即可排序的）等价物 - 组成等价物 - 由兼容性代码点表示的字符，其中一些是表示的字符除了ASCII和ISO Latin 1之外的所有其他字符集。

Answer 3

不，ISO 8859-1不是Unicode字符集，只是因为ISO 8859-1不为所有Unicode字符提供编码，只是其中的一小部分。 “charset”这个词有时会被松散地使用（因此通常最好避免使用），但作为一个技术术语，它意味着字符编码。

放宽定义，以便“Unicode charset”意味着覆盖部分Unicode的编码将毫无意义。然后每个编码都是“Unicode字符集”。

Answer 4

没有。 ISO / IEC 8859-1比Unicode早。例如，您将找不到€。 Unicode在某种程度上与ISO 8859-1兼容。有关Unicode中字符的编码，请查看UCS / UTF8 / UTF16。

如果您查看代码格式，您可以使用

• 抽象字母 - 您正在使用的字母
• 代码表 - 以某种形式（如字母顺序）带来字母
• 代码格式 - 说明代码表中哪个位置是哪个字母（即UTF8或UTF16编码）
• 代码架构 - 如果您使用更多单词来访问代码位置，它们的顺序是什么？ （Big Endian，UTF16中的Little Endian） [转向指令的字符编码（例如＆lt;在XML中）]

Answer 5

这取决于您如何定义“Unicode格式”。

我认为大多数人会认为它是指能够代表Unicode范围内任何代码点的编码（U + 0000 - U + 10FFFF）。

在这种情况下，不，ISO 8859-1不是Unicode格式。

但是，其他一些定义可能是“作为Unicode字符集子集的字符集”，或“可以认为包含Unicode数据的编码（不一定是任意Unicode数据）”。 ISO 8859-1符合这两个定义。

Unicode是很多东西。它包含一个字符集，其中“字符”被赋予代码点值。它定义字符的属性，并提供字符及其属性的数据库。它定义了许多使用Unicode文本数据执行各种操作的算法，例如比较字符串的方法，将字符串划分为字形集群，单词等。它定义了一些特殊编码，可以编码任何Unicode代码点并具有一些其他有用的属性。它定义了Unicode代码点和传统字符集的代码点之间的映射。

您可以在这里找到更完整的答案：Unicode.org