Skip to content

Commit e9b940e

Browse files
committed
update
1 parent ecc706b commit e9b940e

6 files changed

Lines changed: 116 additions & 31 deletions

‎_posts/2014-04-23-搭建在github-pages上的blog.md‎

Lines changed: 1 addition & 4 deletions
Original file line numberDiff line numberDiff line change
@@ -33,7 +33,4 @@ class Test
3333
</pre>
3434
<p>
3535
今天就先用这个简单模板写一篇。
36-
</p>
37-
<p>{{ page.date | date_to_string }}</p>
38-
39-
~~ 是 ~~
36+
</p>

‎_posts/2014-05-27-MarkdownPad2破解.md‎

Lines changed: 1 addition & 1 deletion
Original file line numberDiff line numberDiff line change
@@ -6,7 +6,7 @@ tags : [markdown,破解]
66
---
77
{% include JB/setup %}
88

9-
MarkdownPad2是一款很好的编写Markdown的编辑工具,使用免费,但如果想要使用它的进阶功能,需要付款$19.5(*穷屌实在买不起*)。它使用C#编写,由于有源码没有加密,晚上也有许多破解教程,教程都比较详细,分析修改源码的身份验证逻辑,这里省去分析部分,直接修改它的二进制代码。
9+
MarkdownPad2是一款很好的编写Markdown的编辑工具,使用免费,但如果想要使用它的进阶功能,需要付款$19.5(*穷屌实在买不起*)。它使用C#编写,由于有源码没有加密,晚上也有许多[破解教程](http://blog.csdn.net/hazir/article/details/17023255),教程都比较详细,分析修改源码的身份验证逻辑,这里省去分析部分,直接修改它的二进制代码。
1010

1111
下载[HxD](http://mh-nexus.de/en/downloads.php?product=HxD),一款免费的16进制磁盘编辑器。
1212

‎_posts/2014-05-27-字符编码深究.md‎

Lines changed: 0 additions & 26 deletions
This file was deleted.
Lines changed: 114 additions & 0 deletions
Original file line numberDiff line numberDiff line change
@@ -0,0 +1,114 @@
1+
---
2+
layout: post
3+
category : 轻量级标记语言
4+
tagline: "Markdown"
5+
tags : [markdown,test]
6+
---
7+
{% include JB/setup %}
8+
9+
以前对各种编码也是一知半解,现系统学习,记录如下。
10+
11+
#相关背景
12+
##拉丁字母
13+
14+
拉丁字母也叫罗马字母,ABCD……就属于最常见的26个拉丁字母。早期欧洲使用,后来由于欧洲殖民主义,导致美洲也使用这套字母体系,现在受西方文化影响许多,许多国家都使用这套字母体系,中国的汉语拼音使用的也是这个拉丁字母。
15+
16+
##字符编码
17+
18+
简而言之,就是将字符映射成计算机中的0和1二级制串。如`97=0x61=01100001='A'`,就属于我们常见的ASCII编码中大写A的编码。那这个映射关系到底是怎样的呢,我们能不能建立一个自己的映射关系来编码字符呢?答案是可以的,只是首先你要让业界都认同。
19+
20+
#字符编码的标准
21+
##ASCII编码=ISO/IEC 646
22+
###ASCII的由来
23+
ASCII全称American Stardard Code for Information Interchange,美国信息交换标准代码。因为计算机是美国人发明的,这就是最初美国人给字符的编码方式,供自己使用。所以只能显示常见的英文字符,不包括欧洲很多国家的衍生的拉丁字母,更不会有中文字符集这么一说。因此才会有后面提到的许多编码方式,目的就是为了计算机能显示自己国家的语言。
24+
25+
###ASCII的编码规则
26+
ASCII的编码只考虑了英文字母系统,而英文只有26个字母,加上其大小写,再加上数字,常见字符标点等,也就几十个。而一个字节8位中的前7位能表示$2^7=128$,所以只用一个字节表示就足够了,ASCII编码中规定最高位为0,其他7位对应的值映射到某个字符。
27+
28+
其中表示的*128个字符=33个不可显示字符+95个可显示字符*。
29+
####ASCII字符代码表
30+
不可见字符都是一些控制字符,如换行回车、传输开始结束等,不会被显示的打印出来。
31+
32+
![ascii编码表](http://baike.baidu.com/picture/15482/15482/0/8759287a5e913f8b2e73b3a9?fr=lemma&ct=single#aid=0&pic=8759287a5e913f8b2e73b3a9)
33+
34+
上图中,如`0010=2`表示的字符表示‘正文开始’,可按`Ctrl+B`输入显示出的字符是个“笑脸”,这个“笑脸”没有什么实际意义,只是提示你你按了这个字符了。显示如下:
35+
36+
![ascii输入字符](/img/ascii输入字符.jpg)
37+
38+
再如,`111 1111=127=DEL`,因为在最初的穿孔纸带上,一个字符对应着7个孔,打孔就代表`1`,如果7个孔全打了,说明这个字符就不要了,被删除了。因为打孔的过程是不可逆的。
39+
40+
各个字符的作用在此不一一枚举。
41+
42+
##支持多种衍生拉丁字母的EASCII和ISO8859
43+
随着计算机发展到欧洲,欧洲许多国家除了用ASCII码中的哪些拉丁字母之外,还有些衍生的拉丁字母,且不同国家还不相同。所以设计了一个新的编码标准支持哪些衍生的拉丁字母且兼容旧的ASCII编码。
44+
45+
这里有两个标准,*EASCII编码标准*和*国际标准ISO 8859*。
46+
47+
###EASCII编码
48+
ASCII编码中只用了低7位,最高位为`0`,现在将第八位也用上,用`0xA0-0xFF <=> 1010 0000-1111 1111`这部分来表示扩充出来的编码,如希腊字母,拉丁符号等。但是EASCII虽然解决了这些西欧语言的字符显示问题,但对于其他语言,依然无法显示。
49+
50+
目前,很少使用EASCII,常用的是下面介绍的*ISO 8859*。
51+
52+
###ISO/IEC 8859编码
53+
ISO/IEC 8859也是同扩展ASCII中的最高位,主要是在ASCII中的普通可见字符`0x20-0x7E=0010 0000-0111 1110`的基础上,将最高位设为`1`,所以`0xA0-0xFF`为编码使用。
54+
55+
有别于ASCII单个编码的规则,ISO/IEC 8859是一组编码规则的总称,其下包含了15个字符集,每个字符集编码取值都是从`0xA0-0xFF`。这是因为欧洲国家衍生的字符集总和较多,就算将ASCII全部扩充也只能多表示128个字符,这也是不够的。所以设计了多个字符集,这样用一个字节也能表示,节约存储空间,坏处就是比如你写一篇文章,里面用到了多个国家的语言体系下的特殊字符,这样就无法用ISO/IEC 8859全部显示。
56+
57+
再来说个与ISO/IEC 8859相关的编码内容。
58+
59+
###ISO/IEC 6429编码
60+
ISO/IEC 6429重新定义了ASCII中的`0x00-0x1F`即控制字符部分,另外还利用了ISO/IEC 8859编码没有利用的`0x80-0x9F`部分。相关内容的记录较少。
61+
62+
##几乎支持世界上所有字符的字符编码:Unicode
63+
64+
(还是那个开头)随着计算机的发展,亚洲以及世界各个国家也遇到同样问题,如何将自己国家的字符显示在屏幕上。
65+
66+
Unicode有道翻译为万国码。
67+
68+
Unicode为什么能涵盖各个国家的字符呢,原因很简单,多个字节。使用了多[文本平面划分](http://baike.baidu.com/view/628163.htm)。
69+
70+
###Unicode字符编码所对应的存储和交换标准:UTF-8,UTF-16,UTF-32
71+
需要注意的是,Unicode只是一个符号集合,它规定了符号的二进制代码,却没有规定二进制代码应该如何存储,如果让每个英文字母都用两个字节存储,那么一篇英文文章的大小将要增加一倍,网络传输的所需要的流量也要增加一倍。
72+
73+
####UTF-8
74+
随着互联网普及,UTF-8是使用最广的一种Unicode的实现方式。最大的特点是它是一种变长的编码方式。它使用1-4个字节表示一个符号,根据不同的符号变化字节长度。
75+
76+
Unicode与Utf-8(*8-bit Unicode Transformation Format*)之间的编码映射关系表:
77+
78+
![映射表](/img/unicode-utf-8.jpg)
79+
80+
将字符的Unicode码与上表对比,找到对应的UTF-8编码的字节数。
81+
UTF-8的编码规则:
82+
83+
1. 对于单字节符号,最高位设为0,后7位为这个字符的Unicode码。
84+
2. 对于n(n>1)字节的符号,第一个字节的前n位设为1,n+1位设为0,后面字节的前两位一律设为`10`。如字符是3字节符号,则对应的UTF-8编码为`1110xxxx 10xxxxxx 10xxxxxx`。如“严”的Unicode是`4E25=10 0110 0010 0101`,根据上表属于3字节范围。则严的UTF-8编码是`11100100 10111000 10100101`。转换成十六进制就是E4B8A5。
85+
86+
实验:在nodepad中输入“严”,保存为Unicode编码,换成16进制模式显示`FF FE 25 4E`,其中`FF FE`表示以小头方式存储(大头方式是`FE FF`),真正编码是`4E25`,另存为UTF-8编码格式,发现对应编码变为了
87+
`E4 B8 A5`。
88+
89+
在c语言,如果采用utf-8编码,运行结果是4(已测)。
90+
91+
//{c}
92+
#include<string.h>
93+
#include<stdio.h>
94+
int main(void)
95+
{
96+
char *s="a是";
97+
printf("%d",strlen(s));
98+
getchar();
99+
return 0;
100+
}
101+
102+
###GB2312
103+
主要是针对中国人使用的汉字的一种编码方式,规定小于127,即`0x00-0x7F`编码与ASCII相同,当两个大于127的字符连在一起时,就表示一个汉字,从高字节`0xA1-0xF7`86个组合(高位为`1`,低位为内码部分,即不算控制字符`0x00-0x20`),低字节`0xA1-0xFE`93种组合,这样我们能表示86*93=7998种字符>6000多个常用汉字,因为就足够剩余,在编码中,还把数学符号、希腊罗马字母、日本平假名都编进去了,包括中文的标点符号,都用两个字节编码,这就是常说的“全角”字符,而原来那些就叫“半角”字符。所以GB2312是ASCII的中文扩展。
104+
105+
那一个大于127的字符和一个小于127的字符组合在一起会怎么样呢?(*EditPlus无法编辑,以后尝试*)
106+
107+
###GBK
108+
后来中国汉字增多了,许多人名字打不出来,就又把GB2312扩充,不要求低字节是127之后的内码了,只要大于127就表示一个汉字的开始,这样能多表示,这样能多表示将近20000多个新汉字了(包括繁体字)。GBK完全包括GB2312。
109+
110+
###GB18030
111+
又在GBK的基础上增加了几千个少数民族的字。
112+
113+
#Over
114+
以上知识点都是本人上网查找总结的,欢迎大家讨论交流。

‎img/ascii输入字符.jpg‎

9.25 KB
Loading

‎img/unicode-utf-8.jpg‎

42.3 KB
Loading

0 commit comments

Comments
 (0)