代碼頁

頁碼是字符編碼的別名，也稱代碼頁，是特定語言的字符集的一張表。

歷史

早期，代碼頁是IBM稱呼計算機的BIOS所支持的字符集編碼。當時通用的操作系統都是命令行界面，這些操作系統直接使用BIOS提供的字符繪製功能來顯示字符（或者是一組嵌入在顯卡字符生成器中的字形）。這些BIOS代碼頁也被稱為OEM代碼頁。圖形操作系統使用自己的字符呈現引擎（rendering engine），可以支持多個不同的字符集編碼，這類代碼頁被稱作ANSI代碼頁。

早期IBM和微軟內部使用數字來標記不同的編碼字符集，不同的廠商對同一個字符集編碼使用各自不同的名稱。例如，UTF-8在IBM稱作代碼頁1208，在微軟稱作代碼頁65001，在SAP稱作代碼頁4110。

1987年4月，IBM發布了PC-DOS 3.3，正式開始使用16比特的無符號整數標識不同的代碼頁。這時的PC機使用CGA顯示系統的字符界面，繪製不同語言的字符依靠BIOS硬件廠商（在當時就是指制定業界標準的IBM）提供的功能。如果想更換所支持的字符集，就必須換上支持該字符集的ROM芯片。微軟作為DOS操作系統的軟件廠商，並不擁有繪製這些字符集的知識產權。所以這些字符集的繪製實現，稱作OEM代碼頁。最常見、最具代表性的OEM代碼頁是"IBM PC或MS-DOS 代碼頁437"。

隨着圖形用戶界面操作系統的廣泛使用（最初被廣為接受的是Windows 3.1），操作系統具有了字符繪製的功能。微軟在Windows操作系統沒有轉向UTF-16作為內碼實現之前（也就是在Windows 2000之前），針對不同的使用地區與國家，定義了一系列的支持不同語言字符集的代碼頁，被稱作"Windows（或ANSI）代碼頁"。代表性的是實現了ISO-8859-1的代碼頁1252。

OEM（IBM PC）代碼頁

437—最初的IBM PC代碼頁，實現了擴展ASCII字符集
737—希臘語
850—「多語言（Latin-1）」（西歐語言）
852—「斯拉夫（Latin-2）」（中歐及東歐語言）
855—西里爾（Cyril）字母
857—土耳其語
858—帶歐元符號的「多語言」
860—葡萄牙語
861—冰島語
863—法語加拿大英語
865—北歐
866—西里爾（Cyril）字母
869—希臘語

代碼頁819實現了Latin-1（ISO/IEC 8859-1），用於IBM AS/400小型機。

OEM代碼頁轉換為ASCII代碼頁

對於中日韓的多字節編碼的代碼頁，OEM代碼頁與ASCII代碼頁相同，例如對於簡體中文的OEM代碼頁與ASCII代碼頁就是GBK代碼頁。而對於單字節編碼的代碼頁，如英語、俄語等，OEM代碼頁與ASCII代碼頁一般不同。這是因為在MS-DOS時代，計算機只能使用字符界面在屏幕上畫出表格的框線，所以OEM代碼頁要在單字節字符集中包含方框繪製字符；此外，OEM代碼頁437提供的有限的變音符號，只能覆蓋法語、西班牙語、德語、意大利語、瑞典語的字母表。而在Windows的早期時代，仍然使用單字節字符集，這時就捨棄了這些不必要的方框繪製字符，取而代之的是丹麥語、挪威語、冰島語、加拿大法語的變音符號。為此，一個用OEM代碼頁的字節流要在Windows上正確顯示，就需要或者顯式設定使用OEM代碼頁；或者要顯式把OEM代碼頁的字節流轉化為ASCII代碼頁的字符流，這需要使用Windows系統調用OemToChar()。

Windows（ANSI）代碼頁

Windows代碼頁最初是根據ANSI草案實現的，這個草案最終成為ISO 8859-1。這是Windows代碼頁被稱作ANSI的緣由。

874—泰文字母
1250—東歐拉丁字母
1251—古斯拉夫語
1252—西歐拉丁字母ISO-8859-1.
1253—希臘語
1254—土耳其語
1255—希伯來語
1256—阿拉伯語
1257—巴爾
1258—越南

Windows-1252與ISO-8859-1並不完全一致。ISO-8859-1在0x80-0x9F範圍的控制字符，在Windows-1252中被可打印字符取代。由於在web網頁中，ASCII控制字符不起作用，所以網頁一般用Windows-1252代碼頁標記替代ISO-8859-1標記。

中日韓語言代碼頁

既是OEM代碼頁，也是Windows代碼頁。

936—簡體中文（GBK）
950—繁體中文（大五碼）
932—日文（Shift_JIS）
949—韓文（EUC-KR）
20000（CNS）以EUC編碼的繁體中文CNS編碼
20002（Eten）以EUC編碼的繁體中文倚天碼
20936（GB2312-80）以EUC編碼的簡體中文GB2312編碼（老設備或嵌入式設備常見）
50227（ISO-2022-GB）簡體中文的Esc序列編碼，純ASCII
50229（ISO-2022-CNS）繁體中文的Esc序列編碼，純ASCII
52936（HZ-GB-2312）以~{和~}分隔的簡體中文GB2312編碼，純ASCII
54936—簡體中文（GB18030）

其他代碼頁

10000—Macintosh Roman encoding（followed by several other Mac character sets）
10007—Macintosh Cyrillic encoding
10029—Macintosh Central European encoding
1200—UCS-2LE Unicode 小端序
1201—UCS-2BE Unicode 大端序
65000—UTF-7 Unicode
65001—UTF-8 Unicode

Windows操作系統中使用的代碼頁

Windows平台上的GUI程序使用ANSI代碼頁，而在控制台程序使用OEM代碼頁（以便向後兼容）。這意味着，如果在記事本程序（notepad.exe）打開一個8位字符集編碼的文本文件，將使用ANSI代碼頁；如果在命令行中用type命令顯示這個文本文件的內容，將使用OEM代碼頁。這兩個代碼頁在前128個字符的編碼是一樣的，但後128個字符的編碼可能不一致。在Windows的命令行窗口通過標記、複製操作把一部分文本內容複製到記事本程序中，實際上是把Unicode格式的內容保存在剪貼板，使得這種文本複製保持了字符編碼的透明轉換。

對於Windows操作系統中的命令行窗口（Command Prompt），chcp命令在沒有參數時，顯示當前代碼頁；chcp命令帶一個整數參數，則改變命令行窗口的當前代碼頁為參數所指定。

把UTF-8編碼文本直接寫到控制台，必須先使用函數SetConsoleOutputCP(65001)，然後使用puts一族的函數來輸出文本。把UTF-8編碼文本寫入UTF-8文件時，可以直接使用窄字符輸出函數。

在Windows API中，CP_ACP與CP_OEMCP分別表示當前系統的ANSI代碼頁與OEM代碼頁。對於CJK(多字節編碼)的環境(泰文，日文，韓文，中文),CP_ACP與CP_OEMCP沒有區別。對於非 CJK(單字節編碼)的環境這兩個代碼頁不同。 Windows的文件操作的API默認使用ASCII代碼頁(即CP_ACP)，設備的操作的函數使用OEM代碼頁(即CP_OEMCP)。讀寫console的函數是對console設備的操作，所以默認使用OEMCP。

查詢代碼頁的信息

Windows系統調用GetCPInfo()給出指定的代碼頁的信息。如東亞多字節代碼頁的缺省字符、前導字節的範圍：

{
 CPINFO info;
 UINT iCP = 932; //GBK
 GetCPInfo(iCP, &info);
 printf("Code page %d's default char is [%c]\n", iCP, info.DefaultChar[0]);
 printf("Max size of a char: %d\n", info.MaxCharSize);
 int i;
 const int iMaxLeadBytePairNum = 5;
 for (i = 0; i < iMaxLeadBytePairNum; i++)
 {
    if (info.LeadByte[i * 2] == 0 && info.LeadByte[i * 2 + 1] == 0)
        break;
    printf("Lead byte pair %d: 0x%02X-0x%02X\n", i, info.LeadByte[i * 2], info.LeadByte[i * 2 + 1]);
 }
}

外部連結

IBM代碼頁（英文）
IBM/ICU Charset Information
Microsoft code page identifiers（Microsoft's list contains only code pages actively used by normal apps on Windows see also Torsten Mohrin's list for the full list of supported code pages）
Shorter Microsoft list containing only the ANSI and OEM code pages but with links to more detail on each
Character Sets And Code Pages At The Push Of A Button（頁面存檔備份，存於網際網路檔案館）