另类字符

回忆上次内容

• 上次再次输出了大红心♥
  • 找到了红心对应的编码
  • 黑红梅方都对应有编码
• 原来的编码叫做 ascii️
  • \\u这种新的编码方式叫unicode
  • 包括了 中日韩字符集等 各书写系统的字符集
• 除了这些常规字符之外
  • 还有什么好玩的东西呢？

颠倒字符

• 这个网站可以把文字上下颠倒
• https://www.upsidedowntext.com/
• 这些颠倒字符的编码多少呢？
• 自己试试

尝试

• 序号还是比较靠前的
• 应该是一些拉丁字符
• 类似的还有带圈圈的英文字符

带圈字符

• https://www.bubbleballtext.com/

• 带上圈圈之后
  • 给人一种ꫛꫀꪝ的感觉
• 这些都是谁规定的呢？

继续探索

• unicode 其实有个委员会
• 各种大厂都在里面指定标准
• 我们也可以访问 unicode.org
• 具体的编码字符都可以在里面找

炼金术师的符号

• https://www.zifu123.cn/unicode/Alchemical/index.htm

古代字符编码

• 埃及圣书体
  • https://www.zifu123.cn/unicode/Egyptian_Hieroglyphs/index.htm
• 腓尼基楔形文字
  • https://www.zifu123.cn/unicode/Early_Dynastic_Cuneiform/index.htm

• 回忆起拉丁字符走过的路

拉丁字符之路

时间相关

• 这个编码可以解决等宽的问题
• 而且还有汉字
• 目前大多数字体支持
  • ㋀㋁㋂㋃㋄㋅㋆㋇㋈㋉㋊㋋
  • ㏠㏡㏢㏣㏤㏥㏦㏧㏨㏩㏪㏫㏬㏭㏮㏯㏰㏱㏲㏳㏴㏵㏶㏷㏸㏹㏺㏻㏼㏽㏾
  • ㍘㍙㍚㍛㍜㍝㍞㍟㍠㍡㍢㍣㍤㍥㍦㍧㍨㍩㍪㍫㍬㍭㍮㍯㍰

货币相关

音乐相关

中文字符

• 这些编码实在是偏门

亚文化

• 不过很有趣
• 目前大多数字库文件还不支持

• 不知道这些参与 unicode 编码规则制定的大公司在想些什么？

扑克编码

• 我们以前介绍过黑红梅方的编码
• 配合数字可以做出扑克效果
• 这个编码直接就是牌
• C 是骑士牌（knight card）
• 我们一般都是 54 张牌
• 目前大多数字符库还不支持 unicode 这个编码段的部分
• 支持了之后就可以直接字符打牌了

国际象棋

• 目前大多数字体不支持

麻将

• 中式麻将牌在这里
  • 红红火火
  • 梅兰竹菊 春夏秋冬 就连百搭都有
• 以后用户名也许可以用麻将字符了
  • 🀀🀁🀂🀃🀆🀅🀄
  • 🀇🀈🀉🀊🀋🀌🀍🀎🀏
  • 🀐🀑🀒🀓🀔🀕🀖🀗🀘
  • 🀙🀚🀛🀜🀝🀞🀟🀠🀡
    • 九筒
• 不过目前多数字库还不支持

各种符号

• 符号还在不断添加中

新的符号

• 各种杂项费用还是很多的甚至包含 emoji
• 这些新增的字符除了好玩之外
• 也会对于我们产生影响
• 其实我们也有这种符号

五岳真形图

• 也许有一天unicode中会出现五岳的符号
• 还有一些同型不同序号的字

易混淆文字

• 这两个文字非常相像但却是两个不同的字符
  • 第1个是常用的
  • 第2个是1999年更新中新加进去的康熙部首

• 这种长相类似的字符有什么用么？

阴阳话题

• 作为计算机理解这就是两个词条

• 这是公关降热度的一个手法

部首

• 还有什么类似的字符吗？

• 康熙部首
  • 2F00-2FD5
• 扩展部首
  • 2E80-2EF3
• 如果当前系统不认识这个字符
• 怎么办呢？

不识别

• 但是如果发送过来的字符
• 在当前的系统中没有对应的字符
• 应该怎么办呢？

�

• 发过来一个不认识的字符
• 机器就傻了
• 因为不知道如何表现
• 于是他会用一个问号对应的字符进行替换
• U+FFFD �

• 这个字符本应该是 unicode 中的字符
• 但如果硬要用 gbk 解码会如何呢？

乱解码

• � 对应 utf-16 编码 0xFFFD
• 转化为 utf-8 对应 0xEF 0xBF 0xBD
• 但是如果这个编码用 gbk 解码的话
• 就会出现锟斤拷
  • 锟（0xEFBF）
  • 斤（0xBDEF）
  • 拷（0xBFBD）

• 锟斤拷会出现在各种地方
• 甚至有个笑话
  • 手持两把锟斤拷
  • 口中疾呼烫烫烫
• 烫烫烫又是怎么回事

烫烫烫和屯屯屯

• 0xcc 正好是
  • x86指令集中 中断(int 3)指令
  • 起到保护作用
• 在分配内存的时候
  • 栈内存默认初始数值为 0xcc
  • 0xcccc 用使用 bgk 的终端来表示刚好就是烫
  • 未初始化的栈空间用 0xcc 填充

• 而未初始化的堆空间用 0xcd 填充
  • 所以 0xcdcd 用 gbk 来解释的话，就是屯

• 动态分配的内存被回收之后
  • 就是 DDDD
  • 0xcdcd
  • 在gbk编码格式中
    • 对应汉字葺
• 甚至有拼音标号

拼音标号

• https://www.zalgotextgenerator.com/

• 符号还在不断增加中

中文字符集进化

• unicode 如果 2 个字节总共 16 位
  • 16 位最多 65536 各字符
  • 想要把全世界的字符都编码是不现实的
  • 光是中文就超了好几次

• 如果使用 3 字节编码就大大增加了存储和带宽的压力
  • 那到底应该怎么办呢？
  • 到底应该按照 1 字节、2 字节还是 3 字节进行读取呢？

总结

• unicode 里面有各种字体

  • 扑克
  • 国际象棋
  • 麻将
  • 偏旁部首
  • 各种好玩的编码
  • 字符编码就是这样一步步发展过来的

• 但是有个问题

  • 拜这个字
  • 在字节中应该是b"\\x62\\xdc"两个字节

• 该如何理解b"\\x62\\xdc"这两个字节呢?🤔
  • 究竟是"拜"
  • 还是"bÜ"呢？

• 我们下次再说！👋

• 蓝桥->https://www.lanqiao.cn/courses/3584

• github->https://github.com/overmind1980/oeasy-python-tutorial

• gitee->https://gitee.com/overmind1980/oeasypython