八进制、十六进制、Unicode

Question

我有一个字符出现在电线上，它具有十六进制值和八进制值\xb1 和\261。

这是我的标题的样子：

From: "\261Central Station <sip@...>"

看ASCII table图中的字符是“±”：

我不明白的：

1. 如果我尝试通过在标题中传递“±Central Station”来测试它，我会看到它转换为“\xC2\xB1”。为什么？
2. 如何让“\xB1”或“\261”出现在电线上而不是“\xC2\xB1”。 e.如果我尝试打印“\xB1”或“\261”，我永远不会看到“±”被打印出来。但是如果我打印“\u00b1”它会打印所需的字符，我假设因为“\u00b1”是 Unicode 格式。

Answer 1

从您链接到的页面：

扩展ASCII码（字符码128-255）

8 位 ASCII 表有几种不同的变体。下表根据 ISO 8859-1，也称为 ISO Latin-1。

这值得读两遍。字符代码 128–255 不是 ASCII（ASCII 是 7 位编码，以 127 结尾）。

假设你是正确的，有问题的字符是±（很可能，但不能保证），你的文本可以编码为 ISO 8850-1，或者正如@muistooshort 在 cmets 中指出的那样，任何许多其他ISO 8859-X 或CP-12XX (Windows-12XX) 编码。但是，我们确实知道该文本不是（有效的）UTF-8，因为 0xb1 本身不是有效的 UTF-8 字符。

如果幸运的话，无论发送此文本的客户端都在Content-Type header 中指定了编码。

关于你的问题：

1. 如果我尝试通过在标头中传递±Central Station 来测试它，我看到它被转换为\xC2\xB1。为什么？

您传递的文本是 UTF-8 格式，而在 UTF-8 格式中表示 ± 的字节是 0xC2 0xB1。

1. 如何让\xB1 或\261 出现在网络上而不是\xC2\xB1？

我们不知道您是如何测试这个的，所以我们无法回答这个问题。不过，一般来说：要么发送编码为 ISO 8859-1 的文本（Ruby 中的 Encoding::ISO_8859_1），要么发送原始文本的任何编码，或者作为原始字节（Encoding::ASCII_8BIT 或 Encoding::BINARY，它们是每个其他）。

1. 如果我尝试打印\xB1 或\261，我永远不会看到± 被打印。但是如果我打印 \u00b1 它会打印所需的字符。 （我假设是因为 \u00b1 是 unicode 格式，但如果有人能详细解释这一点，我会喜欢的。）

这不是问题，但原因是 \xB1 (\261) 不是有效的 UTF-8 字符。部分界面会打印�为无效字符；其他人会简单地忽略它们。另一方面，\u00b1 是一个有效的 Unicode 代码点，Ruby 知道如何用 UTF-8 表示。

简而言之：UTF-8（如 UTF-16 和 UTF-32）是 Unicode 标准指定的字符编码。 U+00B1 是 ± 的 Unicode 代码点，0xC2 0xB1 是在 UTF-8 中表示该代码点的字节。在 Ruby 中，我们可以使用 Unicode 代码点 (\u00b1) 或 UTF-8 字节（十六进制：\xC2\xB1；或八进制：\302\261，尽管我不推荐后者，因为熟悉它的 Ruby 爱好者较少）。

字符编码是一个很大的话题，远远超出了 Stack Overflow 答案的范围。要获得好的入门知识，请阅读 Joel Spolsky 的 "The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)"，有关字符编码如何在 Ruby 中工作的更多详细信息，请阅读 Yehuda Katz 的 "Encodings, Unabridged"。阅读这两者将花费您不到 30 分钟的时间，并将为您节省数百小时的痛苦。