短信非ASCII字符编码

Question

我有一部诺基亚N900手机，当发送短信时，小部件会显示消息中剩余的字符数（以及发送整条消息所需的实际短消息数）。

我住在法国，在用非ASCII字符编写邮件时，我注意到以下奇怪的事情：

• 一些非ASCII字符在一个字符/字节上编码，例如“é”，“è”，“à”，“ù”
• 存在一些非ASCII字符，例如“ç”，“ê”，“ô”消耗固定数量的90个字符/字节+每个字符1个字节
• 第二个“ç”，“ê”等的存在仅消耗1个额外字节。

所以我想知道消息是如何编码的，因为我看不到上面的方案与我所知的传统编码（iso-8859-1，UTF-8，UTF-16 ......）相匹配。

Answer 1

https://en.wikipedia.org/wiki/SMS#Message_size

根据编码，SMS可以发送160/140/70个字符。如果使用任何非ASCII字符，则整个消息必须以UTF-16编码，因此您经历了“消费”。

Answer 2

@Vicky和@timdream是正确的，除了我认为它在技术上UCS-2而不是手机有时使用的UTF-16，每个角色有一个固定的16位大小。 UTF-16使用每个字符两个或四个字节的可变宽度，具体取决于要编码的字符。 This Wikipedia article详细解释了这一点。 UCS-2严格将消息最多删除70个字符（160字节）。虽然the Unicode Consortium's description of UCS-2有点令人困惑，但网上处理短信的少数网站确认维基百科是对的。

Answer 3

你已经得到了@timdream的答案，但是另外一点是你提到的一些扩展字符作为单个字符包含在GSM 7位字母表中，有些是通过额外的转义以GSM 7位编码的字符（所以两个字节表示该字符），有些不能在GSM 7位中完全编码，需要编码为UTF-16。

完整的字母定义如下： http://www.unicode.org/Public/MAPPINGS/ETSI/GSM0338.TXT

注意c-cedilla的特殊性 - 来自该文件，

  

ETSI GSM 03.38规范显示了一个大写的C-cedilla   字形在0x09。这可能是显示有限的结果   使用下行程序处理字符的功能。然而，   该   语言覆盖意图显然是小写的   c-cedilla，如图所示   在下面的映射中。大写C-cedilla的映射是   显示   在映射表的注释行中。

有些设备将大写和小写c-cedilla编码为相同的编码字符（0x09）。