Кодовая страница (англ. code page) — таблица, сопоставляющая каждому значению байта некоторый символ (или его отсутствие). Обычно код символа имеет размер 8 бит, так что кодовая страница может содержать максимум 256 символов, из чего вытекает резкая недостаточность всякой 8-битной кодовой страницы для представления многоязычных текстов. К тому же часть символов используется как управляющие, из-за чего число печатных символов редко превышает 223[1].
Исторически термин code page был введён корпорацией IBM; сменные кодовые страницы использовались для поддержки различных языков (имеющих алфавитные системы письма). В последнее время имеется путаница между термином «кодовая страница» и более общим понятием набора символов (кодировки).
Кодовые страницы сегодня [править]
В настоящее время в основном используются кодировки двух типов: совместимые с ASCII и совместимые с EBCDIC[2], с подавляющим преобладанием первых. В ASCII-совместимых кодировках фиксированы коды 95 печатных символов и 33 управляющих, а остальные 128 кодовых позиций используются для различных символов, не входящих в ASCII.
Для кодирования текстов на русском языке (то есть букв кириллицы) наиболее широко применяются следующие кодовые страницы:
- Windows-1251, она же Microsoft code page 1251 (CP1251) — в системах Windows;
- Семейство кодовых страниц KOI8;
- Альтернативная кодировка, она же IBM code page 866 — в системах DOS, а также в текстовых окнах Microsoft Windows (см. ниже);
- MacCyrillic — на компьютерах Macintosh.
Использование различных кодовых страниц создаёт много неудобств как для пользователей, так и для программистов. При попытке прочесть текстовый файл при помощи кодовой страницы, несовместимой с той в которой он был создан, возникают кракозябры. В последние годы получил широкое распространение Unicode как альтернатива традиционным кодовым страницам.
В системе Microsoft Windows [править]
В системах Microsoft Windows кодовые страницы являются важным компонентом локализации, задаваемым в ключах реестра HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Nls\CodePage\[3].
Исторически (в системах Windows 3.x и Windows 9x) имелось два типа кодовых страниц. Кодовые страницы «ANSI»[4] (англ. ANSI code page, в реестре: ACP), также называемые Windows[5] — родные кодовые страницы Windows. Содержат много символов типографики, но почти не содержат псевдографику по причине того, что предназначены для использования в графическом окружении. Впоследствии корпорация Microsoft признала, что использование имени ANSI было вызвано недоразумением.[6] К кодировкам «ANSI»/Windows относят, в частности, Windows-1252 и вышеупомянутую Windows-1251. Microsoft также относит к кодовым страницам кодовые таблицы, некоторые позиции которых требуют второго (завершающего) байта для формирования символа, то есть допускающие двухбайтовое представление некоторых символов[7], хотя они, строго говоря, являются уже кодировками с переменной длиной символа.
Кодировки OEM (англ. OEM code page, в реестре: OEMCP) основаны на CP437 и содержат VGA-совместимую псевдографику. Вышеупомянутая альтернативная кодировка известна в Windows как CP866.
Начиная с Windows NT появился третий класс кодовых страниц: кодировки Macintosh (англ. Macintosh code page, в реестре: MACCP), совместимых с MacOS.
Примечания [править]
- ↑ Одним из немногих исключений является кодировка VISCII для вьетнамской латиницы, совместимая с ASCII за вычетом шести кодов в зоне управляющих символов, заменённых на буквы, см. RFC 1456. Таким образом, она содержит 229 печатных символов.
- ↑ Кодировки на базе EBCDIC (например, ДКОИ-8) используются только на некоторых мэйнфреймах.
- ↑ REG: CurrentControlSet, PART 1, Microsoft (англ.)
- ↑ Кодовые страницы в Visual C++, MSDN
- ↑ Code Pages, MSDN
- ↑ MSDN: Glossary of Terms
- ↑ Windows code pages, MSDN
См. также [править]
- Консоль Linux
| Кодировки символов | |||
|---|---|---|---|
| Основы → | алфавит • текст ( файл • данные ) • набор символов • конверсия | ||
| Исторические кодировки → | Докомп.: семафорная (Макарова) • Морзе • Бодо • МТК-2 | Комп.: 6 бит • УПП • RADIX-50 • EBCDIC ( ДКОИ-8 ) • КОИ-7 • ISO 646 | |
| совре- менное 8-битное представ- ление |
символы → | ASCII ( управляющие • печатные ) | не-ASCII ( псевдографика ) |
| 8бит. код.стр. | Разные → Кириллица: КОИ-8 • ГОСТ 19768-87 • MacCyrillic | ||
| ISO 8859 → | 1(лат.) 2 3 4 5(кир.) 6 7 8 9 10 11 12 13 14 15(€) 16 | ||
| Windows → | 1250 1251(кир.) 1252 1253 1254 1255 1256 1257 1258 | WGL4 | ||
| IBM&DOS → | 437 • 850 • 852 • 855 • 866 «альт.» • ( МИК ) • ( НИИ ЭВМ ) | ||
| Много- байтные |
Традиционные → | DBCS ( GB2312 ) • HTML | |
| Unicode → | UTF-16 • UTF-8 • список символов ( кириллица ) | ||
| Связанные темы → |
интерфейс пользователя • раскладка клавиатуры • локаль • перевод строки • шрифт • кракозябры • транслит • нестандартные шрифты • текст как изображение | Утилиты: iconv • recode |
Вряд ли это сейчас сильно актуально, но может кому-то покажется интересным (или просто вспомнит былые годы).
Начну с небольшого экскурса в историю компьютера. Поскольку компьютер использовался для обработки информации, то он просто обязан представлять эту информацию в «человеческом» виде. Компьютер хранит информацию в виде чисел (байтов), а человек воспринимает символы (буквы, цифры, различные знаки). Значит, надо сделать сопоставление число <-> символ и задача будет решена. Сначала посчитаем, сколько символов нам надо (не забудем, что «мы» — американцы, использующие латинский алфавит). Нам надо 10 цифр + 26 заглавных букв английского алфавита + 26 строчных букв + математические знаки (хотя бы +-/*=><%) + знаки препинания (.,!?:;’” ) + различные скобки + служебные символы (_^%$@|) + 32 непечатных управляющих символов для работы с устройствами (в первую очередь, с телетайпом). В общем, 128 символов хватает «впритык» и этот стандартный набор символов «мы» назвали ASCII, т.е. «American Standard Code for Information Interchange»
Отлично, для 128 символов достаточно 7 бит. С другой стороны, в байте 8 бит и каналы связи 8-битные (забудем про «доисторические» времена, когда в байте и каналах бит было меньше). По 8-ми битному каналу будем передавать 7 бит кода символа и 1 бит контрольный (для повышения надежности и распознавания ошибок). И все было замечательно, пока компьютеры не стали использоваться в других странах (где латиница содержит больше 26 символов или вообще используется не латинский алфавит). Вместо того, чтобы всем поголовно освоить английский, жители СССР, Франции, Германии, Грузии и десятков других стран захотели, чтобы компьютер общался с ними на их родном языке. Пути были разные (в зависимости от остроты проблемы): одно дело, если к 26 символам латиницы надо добавить 2-3 национальных символа (можно пожертвовать какими-то специальными) и другое дело, когда надо «вклинить» кириллицу. Теперь «мы» — русские, стремящиеся «русифицировать» технику. Первыми были решения на основе замены строчных английских букв прописными русскими. Однако проблема в том, что русских букв (33) и они не влезают на 26 мест. Надо «уплотнить» и первой жертвой этого уплотнения пала буква Ё (еe просто повсеместно заменили на Е). Другой прием – вместо «русских» A,E,K,M,H,O,P,C,T стали использовать похожие английские (таких букв даже больше чем надо, но в некоторых парах прописные похожие, а строчные — не очень: Hh Tt Bb Kk Mm). Но все же «вклинили » и в результате весь вывод шел ПРОПИСНЫМИ БУКВАМИ, что неудобно и некрасиво, однако со временем привыкли. Второй прием – «переключение языка». Код русского символа совпадал с кодом английского символа, но устройство помнило, что сейчас оно в русском режиме и выводило символ кириллицы (а в английском режиме – латиницы). Режим переключался двумя служебными символами: Shift Out (SO, код 14) на русский и Shift IN (SI, код 15) на английский (интересно, что когда-то в печатных машинках использовалась двухцветная лента и SO приводил к физическому подъему ленты и в результате печать шла красным, а SI ставил ленту на место и печать снова шла черным). Текст с большими и маленькими буквами стал выглядеть вполне прилично. Все эти варианты более-менее работали на больших компьютерах, но после выпуска IBM PC началось массовое распространение персональных компьютеров по всему миру и надо было что-то решать централизовано.
Решением стала разработанная фирмой IBM технология кодовых страниц. К этому времени «контрольный символ» при передаче потерял свою актуальность и все 8-бит можно было использовать для кода символа. Вместо диапазона кодов 0-127 стал доступен диапазон 0-255. Кодовая страница (или кодировка)– это сопоставление кода из диапазона 0-255 некоему графическому образу (например, букве «Я» кириллицы или букве «омега» греческого). Нельзя сказать «символ с кодом 211 выглядит так», но можно сказать «символ с кодом 211 в кодовой странице CP1251 выглядит так: У, а в CP1253(греческая) выглядит так: Σ ». Во всех (или почти всех) кодовых таблица первые 128 кодов соответствуют таблице ASCII, только для первых 32 непечатных кодов IBM «назначила» свои картинки (которые показывается при выводе на экран монитора). В верхней части IBM разместила символы псевдографики (для рисования различных рамок), дополнительные символы латиницы, используемые в странах Западной Европы, некоторые математические символы и отдельные символы греческого алфавита. Эта кодовая страница получила название CP437 (IBM разработала и множество других кодовых страниц) и по умолчанию использовалась в видеоадаптерах. Кроме того, различные центры стандартизации (мировые и национальные) создали кодовые страницы для отображения национальных символов. Наши компьютерные «умы» предложили 2 варианта: основная кодировка ДОС и альтернативная кодировка ДОС. Основная предназначалась для работы везде, а альтернативная — в особых случаях, когда использование основной неудобно. Оказалось, что таких особых случаев большинство и основной (не по названию, а по использованию) стала именно «альтернативная» кодировка. Думаю, такой исход был ясен с самого начала для большинства специалистов (кроме «ученых мужей», оторванных от жизни). Дело в том, что в большинстве случаев использовались английские программы, которые «для красоты» активно использовали псевдографику для рисования различных рамок и тп. Типичные пример — суперпопулярный Нортон коммандер, стоящий тогда на большинстве компьютеров. Основная кодировка на местах псевдографики разместила русские символы и панели нортона выглядели просто ужасно (равно как и любой другой псевдографический вывод). А альтернативная кодировка бережно сохранила символы пседографики, использую для русских букв другие места. В результате и с Нортон коммандером и с другими программами вполне можно было работать. Андрей Чернов (широко известная личность в то время) разработал кодировку KOI8-R (КОИ8), пришедшую с «больших» компьютеров, где господствовал UNIX. Ее особенностью было то, что если у русского символа пропадал 8-й бит, то получившийся в результате «обрезания» английский символ будет созвучен исходному русскому. И вместо «Привет» получался «pRIVET», что не совсем то, но хотя бы читаемо. В результате в СССР на компьютерах использовали 3 различных кодовых страницы (основную, альтернативную и KOI8). И это не считая различных «вариаций», когда в альтернативной кодировке, скажем, отдельные символы (а то и строки) изменялись. От KOI8 тоже «отпочковывались» варианты — украинский, белорусский, таджикский, кавказский и др. Оборудование (принтеры, видеодаптеры) тоже надо было настраивать (или «прошивать») для работы со своими кодировками. Коммерсанты могли привезти дешевую партию принтеров (из эмиратов, например, по бартеру) а они не работали с русскими кодировками.
Тем не менее в целом кодовые страницы позволили решить проблему вывода национальных символов (устройство просто должно уметь работать с соответствующей кодовой страницей), но породили проблему множественности кодировок, когда почтовая программа отправляет данные в одной кодировке, а принимающая программа показывает их в другой. В результате пользователь видит так называемые «кракозябры» (вместо «привет» написано «ЏаЁўҐв» или «оПХБЕР»). Потребовались программы-перекодировщики, переводящие данные из одной кодировки в другую. Увы, порой письма при прохождении через почтовые серверы неоднократно автоматически перекодировались (или даже «обрезался» 8-й бит) и нужно было найти и выполнить всю цепочку обратных преобразований.
После массового перехода на Windows к трем кодовым страницам добавилась четвертая (Windows-1251 она же CP1251 она же ANSI ) и пятая (CP866 она же OEM или DOS). Не удивляйтесь — Windows для работы с кириллицей в консоли по-умолчанию использует кодировку CP866 (русские символы такие же как в «альтернативной кодировке», только некоторые спецсимволы отличаются), для других целей — кодировку CP1251. Почему Windows понадобилось две кодировки, неужели нельзя было обойтись одной? Увы, не получается: DOS-кодировка используется в именах файлов (тяжелое наследие DOS) и консольные команды типа dir, copy должны правильно показывать и правильно обрабатывать досовские имена файлов. С другой стороны, в этой кодировке много кодов отведено символам псевдографики (различным рамкам и т.п.), а Windows работает в графическом режиме и ей (а точнее, windows-приложениям) не нужны символы псевдографики (но нужны занятые ими коды, которые в CP1251 использованы для других полезных символов). Пять кириллических кодировок поначалу еще больше усугубили ситуацию, но со временем наиболее популярными стали Windows-1251 и KOI8, а досовскими просто стали меньше пользоваться. Еще при использовании Windows стало неважно, какая кодировка в видеоадаптере (только изредка, до загрузки Windows в диагностических сообщениях можно видеть «кракозябры»).
Решение проблемы кодировок пришло, когда повсеместно стала внедряться система Unicode (и для персональных ОС и для серверов). Unicode каждому национальному символу ставит в соответствие раз и навсегда закрепленное за ним 20-ти битовое число («точку» в кодовом пространстве Unicode, причем чаще всего хватает 16 бит, поскольку 20-битные коды используются для редких символов и иероглифов), поэтому нет необходимости перекодировать (подробнее об Unicode см следующую запись в журнале). Теперь для любой пары <код байта>+<кодовая страница> можно определить соответствующий ей код в Unicode (сейчас в кодовых страницах для каждого 8-битного кода показывается 16-битный код Unicode) и потом при необходимости вывести этот символ для любой кодовой страницы, где он присутствует. В настоящее время проблема кодировок и перекодировок для пользователей практически исчезла, но все же изредка приходят письма, где либо тема письма либо содержание «не в той» кодировке.
Интересно, что примерно год назад проблема кодировок ненадолго всплыла при «наезде» ФАС на сотовых операторов, мол те дискриминируют русскоязычных пользователей, поскольку за передачу кириллицы берут больше. Это объясняется техническим решением, выбранным разработчиком протокола SMS связи. Если бы его россияне разработали, они бы, возможно, отдали приоритет кириллице. В указанной статье «начальник управления контроля транспорта и связи Дмитрий Рутенберг отметил, что существуют и восьмибитные кодировки для кириллицы, которые могли бы использовать операторы.» Во как — на улице 21-й век, Unicode шагает по миру, а господин Рутенберг тянет нас в начало 90-х, когда шла «война кодировок» и проблема перекодировок стояла во весь рост. Интересно, в какой кодировке должен получить СМС Вася Пупкин, пользующийся финским телефоном, находящийся в Турции на отдыхе, от жены с корейским телефоном, отправляющей СМС из Казахстана? А от своего французского компаньона (с японским телефоном), находящегося в Испании? Думаю, никакой начальник ответа на этот вопрос дать не сможет. К счастью, это «экономное» предложение не воплотилось в жизнь.
Юный читатель может спросить — а что помешало сразу использовать Unicode, зачем были придуманы эти заморочки с кодовыми страницами? Думаю, дело в финансовой стороне проблемы. Unicode требует в 2 раза больше памяти, а память стоит денег (и дисковая и ОЗУ). Стал бы американец покупать компьютер на 1-2 тыс дороже из-за того, что «теперь новая ОС требует больше памяти, но позволяет без проблем работать с русским, европейскими, арабскими языками»? Боюсь, простой англоязычный покупатель воспринял бы такой аргумент «неадекватно» (и обратился бы к другим производителям).
Windows Locale Codes Sorted by Codepage
As defined by Microsoft, a locale is either a language or a language in combination with a country. See Microsoft definitions of locale.
CLICK one of the Column Titles to sort the table by that item.
| Locale | Language code |
LCID string |
Decimal | Hexadecimal | Codepage |
|---|---|---|---|---|---|
| Gujarati | gu | gu | 1095 | 447 | |
| Syriac | 1114 | ||||
| Konkani | 1111 | 457 | |||
| Sanskrit | sa | sa | 1103 | ||
| Marathi | mr | mr | 1102 | ||
| Kannada | kn | kn | 1099 | ||
| Tamil | ta | ta | 1097 | 449 | |
| Divehi; Dhivehi; Maldivian | dv | dv | 1125 | 465 | |
| Punjabi | pa | pa | 1094 | 446 | |
| Hindi | hi | hi | 1081 | 439 | |
| Georgian | ka | 1079 | 437 | ||
| Armenian | hy | hy | 1067 | ||
| Telugu | te | te | 1098 | ||
| Thai | th | th | 1054 | ||
| Japanese | ja | ja | 1041 | 411 | |
| Chinese — Singapore | zh | zh-sg | 4100 | 1004 | |
| Chinese — China | zh | zh-cn | 2052 | 804 | |
| Korean | ko | ko | 1042 | 412 | |
| Chinese — Taiwan | zh | zh-tw | 1028 | 404 | |
| Chinese — Macau SAR | zh | zh-mo | 5124 | 1404 | |
| Chinese — Hong Kong SAR | zh | zh-hk | 3076 | ||
| Romanian — Romania | ro | ro | 1048 | 418 | 1250 |
| Albanian | sq | sq | 1052 | 1250 | |
| Polish | pl | pl | 1045 | 415 | 1250 |
| Hungarian | hu | hu | 1038 | 1250 | |
| Serbian — Latin | sr | sr-sp | 2074 | 1250 | |
| Slovenian | sl | sl | 1060 | 424 | 1250 |
| Czech | cs | cs | 1029 | 405 | 1250 |
| Croatian | hr | hr | 1050 | 1250 | |
| Slovak | sk | sk | 1051 | 1250 | |
| Kyrgyz — Cyrillic | 1088 | 440 | 1251 | ||
| Azeri — Cyrillic | az | az-az | 2092 | 1251 | |
| Russian | ru | ru | 1049 | 419 | 1251 |
| Kazakh | kk | kk | 1087 | 1251 | |
| Ukrainian | uk | uk | 1058 | 422 | 1251 |
| Tatar | tt | tt | 1092 | 444 | 1251 |
| Serbian — Cyrillic | sr | sr-sp | 3098 | 1251 | |
| Belarusian | be | be | 1059 | 423 | 1251 |
| Uzbek — Cyrillic | uz | uz-uz | 2115 | 843 | 1251 |
| Mongolian | mn | mn | 1104 | 450 | 1251 |
| Bulgarian | bg | bg | 1026 | 402 | 1251 |
| FYRO Macedonia | mk | mk | 1071 | 1251 | |
| Afrikaans | af | af | 1078 | 436 | 1252 |
| Faroese | fo | fo | 1080 | 438 | 1252 |
| Swedish — Sweden | sv | sv-se | 1053 | 1252 | |
| Malay — Malaysia | ms | ms-my | 1086 | 1252 | |
| Swahili | sw | sw | 1089 | 441 | 1252 |
| Spanish — Paraguay | es | es-py | 15370 | 1252 | |
| Spanish — Uruguay | es | es-uy | 14346 | 1252 | |
| English — Trinidad | en | en-tt | 11273 | 1252 | |
| English — Phillippines | en | en-ph | 13321 | 3409 | 1252 |
| Spanish — Bolivia | es | es-bo | 16394 | 1252 | |
| Spanish — Nicaragua | es | es-ni | 19466 | 1252 | |
| Catalan | ca | ca | 1027 | 403 | 1252 |
| Danish | da | da | 1030 | 406 | 1252 |
| German — Germany | de | de-de | 1031 | 407 | 1252 |
| English — United States | en | en-us | 1033 | 409 | 1252 |
| Spanish — Spain (Traditional) | es | es-es | 1034 | 1252 | |
| Finnish | fi | fi | 1035 | 1252 | |
| French — France | fr | fr-fr | 1036 | 1252 | |
| Indonesian | id | id | 1057 | 421 | 1252 |
| Italian — Italy | it | it-it | 1040 | 410 | 1252 |
| Basque | eu | eu | 1069 | 1252 | |
| Dutch — Netherlands | nl | nl-nl | 1043 | 413 | 1252 |
| Norwegian — Bokml | nb | no-no | 1044 | 414 | 1252 |
| Portuguese — Brazil | pt | pt-br | 1046 | 416 | 1252 |
| Spanish — Chile | es | es-cl | 13322 | 1252 | |
| Spanish — Honduras | es | es-hn | 18442 | 1252 | |
| Galician | gl | 1110 | 456 | 1252 | |
| Spanish — El Salvador | es | es-sv | 17418 | 1252 | |
| Icelandic | is | is | 1039 | 1252 | |
| English — Australia | en | en-au | 3081 | 1252 | |
| Spanish — Dominican Republic | es | es-do | 7178 | 1252 | |
| English — Southern Africa | en | en-za | 7177 | 1252 | |
| German — Austria | de | de-at | 3079 | 1252 | |
| French — Monaco | fr | 6156 | 1252 | ||
| Spanish — Panama | es | es-pa | 6154 | 1252 | |
| English — Ireland | en | en-ie | 6153 | 1809 | 1252 |
| Spanish — Guatemala | es | es-gt | 4106 | 1252 | |
| Spanish — Costa Rica | es | es-cr | 5130 | 1252 | |
| Portuguese — Portugal | pt | pt-pt | 2070 | 816 | 1252 |
| French — Canada | fr | fr-ca | 3084 | 1252 | |
| English — New Zealand | en | en-nz | 5129 | 1409 | 1252 |
| Spanish — Ecuador | es | es-ec | 12298 | 1252 | |
| German — Liechtenstein | de | de-li | 5127 | 1407 | 1252 |
| French — Switzerland | fr | fr-ch | 4108 | 1252 | |
| German — Luxembourg | de | de-lu | 4103 | 1007 | 1252 |
| English — Canada | en | en-ca | 4105 | 1009 | 1252 |
| French — Luxembourg | fr | fr-lu | 5132 | 1252 | |
| Spanish — Venezuela | es | es-ve | 8202 | 1252 | |
| English — Zimbabwe | en | 12297 | 3009 | 1252 | |
| Spanish — Peru | es | es-pe | 10250 | 1252 | |
| English — Belize | en | en-bz | 10249 | 2809 | 1252 |
| Spanish — Colombia | es | es-co | 9226 | 1252 | |
| Spanish — Puerto Rico | es | es-pr | 20490 | 1252 | |
| English — Caribbean | en | en-cb | 9225 | 2409 | 1252 |
| Malay — Brunei | ms | ms-bn | 2110 | 1252 | |
| English — Great Britain | en | en-gb | 2057 | 809 | 1252 |
| Swedish — Finland | sv | sv-fi | 2077 | 1252 | |
| Spanish — Mexico | es | es-mx | 2058 | 1252 | |
| French — Belgium | fr | fr-be | 2060 | 1252 | |
| Italian — Switzerland | it | it-ch | 2064 | 810 | 1252 |
| Dutch — Belgium | nl | nl-be | 2067 | 813 | 1252 |
| English — Jamaica | en | en-jm | 8201 | 2009 | 1252 |
| Norwegian — Nynorsk | nn | no-no | 2068 | 814 | 1252 |
| Spanish — Argentina | es | es-ar | 11274 | 1252 | |
| German — Switzerland | de | de-ch | 2055 | 807 | 1252 |
| Greek | el | el | 1032 | 408 | 1253 |
| Turkish | tr | tr | 1055 | 1254 | |
| Uzbek — Latin | uz | uz-uz | 1091 | 443 | 1254 |
| Azeri — Latin | az | az-az | 1068 | 1254 | |
| Hebrew | he | he | 1037 | 1255 | |
| Arabic — Saudi Arabia | ar | ar-sa | 1025 | 401 | 1256 |
| Arabic — Jordan | ar | ar-jo | 11265 | 1256 | |
| Arabic — Kuwait | ar | ar-kw | 13313 | 3401 | 1256 |
| Arabic — Syria | ar | ar-sy | 10241 | 2801 | 1256 |
| Arabic — Lebanon | ar | ar-lb | 12289 | 3001 | 1256 |
| Arabic — Iraq | ar | ar-iq | 2049 | 801 | 1256 |
| Arabic — Bahrain | ar | ar-bh | 15361 | 1256 | |
| Arabic — Yemen | ar | ar-ye | 9217 | 2401 | 1256 |
| Arabic — Qatar | ar | ar-qa | 16385 | 4001 | 1256 |
| Urdu | ur | ur | 1056 | 420 | 1256 |
| Arabic — Egypt | ar | ar-eg | 3073 | 1256 | |
| Arabic — United Arab Emirates | ar | ar-ae | 14337 | 3801 | 1256 |
| Arabic — Tunisia | ar | ar-tn | 7169 | 1256 | |
| Farsi — Persian | fa | fa | 1065 | 429 | 1256 |
| Arabic — Morocco | ar | ar-ma | 6145 | 1801 | 1256 |
| Arabic — Libya | ar | ar-ly | 4097 | 1001 | 1256 |
| Arabic — Algeria | ar | ar-dz | 5121 | 1401 | 1256 |
| Arabic — Oman | ar | ar-om | 8193 | 2001 | 1256 |
| Lithuanian | lt | lt | 1063 | 427 | 1257 |
| Latvian | lv | lv | 1062 | 426 | 1257 |
| Estonian | et | et | 1061 | 425 | 1257 |
| Vietnamese | vi | vi | 1066 | 1258 | |
| Unicode | UTF-8 | 0 | 65001 |
This table was generated from information at Microsoft Windows Encodings and Code Pages and additional resources listed below.
Definitions
Locale: A collection of language-related, user-preference information represented as a list of values. (Reference)
Locale ID (LCID): A 32-bit value defined by Microsoft Windows that consists of a language ID, sort ID, and reserved bits that identify a particular language.
Codepage: «An ordered set of characters in which a numeric index (code point values) is associated with each character. The first 128 characters of each codepage are functionally the same and include all characters needed to type English text. The upper 128 characters of OEM and ANSI codepages contain characters used in a language or group of languages (Taken from Related resources below)».
Related resources
- FAQs about Locales and Languages
- ISO 8859 character sets
- Character sets recognized by Internet Explorer
- National Language Support (NLS) Information for Microsoft Windows XP
- Code pages supported by Windows
- Locales and Language Groups
- Windows XP — List of Locale IDs, Input Locale, and Language Collection
Summary
Code pages are a specific type of character set that use a single byte to store
each character and are thus limited to 256 characters.
This is the list of code pages (with the equivalent java character set id)
that are available here.
Detail
| Code page | Java id |
|---|---|
| euccn | x-IBM1383 |
| 037 | IBM037 |
| 273 | IBM273 |
| 277 | IBM277 |
| 278 | IBM278 |
| 280 | IBM280 |
| 284 | IBM284 |
| 285 | IBM285 |
| 290 | IBM290 |
| 297 | IBM297 |
| 300 | x-IBM300 |
| 367 | US-ASCII |
| 420 | IBM420 |
| 424 | IBM424 |
| 437 | IBM437 |
| 500 | IBM500 |
| 737 | x-IBM737 |
| 775 | IBM775 |
| 813 | ISO-8859-7 |
| 819 | ISO-8859-1 |
| 833 | x-IBM833 |
| 834 | x-IBM834 |
| 838 | IBM-Thai |
| 850 | IBM850 |
| 852 | IBM852 |
| 855 | IBM855 |
| 856 | x-IBM856 |
| 857 | IBM857 |
| 00858 | IBM00858 |
| 858 | IBM00858 |
| 860 | IBM860 |
| 861 | IBM861 |
| 862 | IBM862 |
| 863 | IBM863 |
| 864 | IBM864 |
| 865 | IBM865 |
| 866 | IBM866 |
| 868 | IBM868 |
| 869 | IBM869 |
| 870 | IBM870 |
| 871 | IBM871 |
| 874 | x-IBM874 |
| 875 | x-IBM875 |
| 912 | ISO-8859-2 |
| 913 | ISO-8859-3 |
| 914 | ISO-8859-4 |
| 915 | ISO-8859-5 |
| 916 | ISO-8859-8 |
| 918 | IBM918 |
| 920 | ISO-8859-9 |
| 921 | x-IBM921 |
| 922 | x-IBM922 |
| 923 | ISO-8859-15 |
| 930 | x-IBM930 |
| 932 | x-IBM942C |
| 933 | x-IBM933 |
| 935 | x-IBM935 |
| 936 | GBK |
| 937 | x-IBM937 |
| 939 | x-IBM939 |
| 942 | x-IBM942 |
| 942c | x-IBM942C |
| 943 | x-IBM943 |
| 943c | x-IBM943C |
| 948 | x-IBM948 |
| 949 | x-IBM949 |
| 949c | x-IBM949C |
| 950 | x-IBM950 |
| 964 | x-IBM964 |
| 970 | x-IBM970 |
| 1006 | x-IBM1006 |
| 1025 | x-IBM1025 |
| 1026 | IBM1026 |
| 1046 | x-IBM1046 |
| 1047 | IBM1047 |
| 1089 | ISO-8859-6 |
| 1097 | x-IBM1097 |
| 1098 | x-IBM1098 |
| 1112 | x-IBM1112 |
| 1122 | x-IBM1122 |
| 1123 | x-IBM1123 |
| 1124 | x-IBM1124 |
| 1129 | x-IBM1129 |
| 01140 | IBM01140 |
| 1140 | IBM01140 |
| 01141 | IBM01141 |
| 1141 | IBM01141 |
| 01142 | IBM01142 |
| 1142 | IBM01142 |
| 01143 | IBM01143 |
| 1143 | IBM01143 |
| 01144 | IBM01144 |
| 1144 | IBM01144 |
| 01145 | IBM01145 |
| 1145 | IBM01145 |
| 01146 | IBM01146 |
| 1146 | IBM01146 |
| 01147 | IBM01147 |
| 1147 | IBM01147 |
| 01148 | IBM01148 |
| 1148 | IBM01148 |
| 01149 | IBM01149 |
| 1149 | IBM01149 |
| 1166 | x-IBM1166 |
| 1250 | windows-1250 |
| 1251 | windows-1251 |
| 1252 | windows-1252 |
| 1253 | windows-1253 |
| 1254 | windows-1254 |
| 1255 | windows-1255 |
| 1256 | windows-1256 |
| 1257 | windows-1257 |
| 1258 | windows-1258 |
| 1364 | x-IBM1364 |
| 1381 | x-IBM1381 |
| 1383 | x-IBM1383 |
| 5346 | windows-1250 |
| 5347 | windows-1251 |
| 5348 | windows-1252 |
| 5349 | windows-1253 |
| 5350 | windows-1254 |
| 5353 | windows-1257 |
| 29626c | x-IBM29626C |
| 33722 | x-IBM33722 |
| 50220 | x-windows-50220 |
| 50221 | x-windows-50221 |
Count: 126
Dec
Hex
Char
Name
32
20
SPACE
33
21
!
EXCLAMATION MARK
34
22
«
QUOTATION MARK
35
23
#
NUMBER SIGN
36
24
$
DOLLAR SIGN
37
25
%
PERCENT SIGN
38
26
&
AMPERSAND
39
27
\’
APOSTROPHE
40
28
(
LEFT PARENTHESIS
41
29
)
RIGHT PARENTHESIS
42
2A
*
ASTERISK
43
2B
+
PLUS SIGN
44
2C
,
COMMA
45
2D
—
HYPHEN-MINUS
46
2E
.
FULL STOP
47
2F
/
SOLIDUS
48
30
0
DIGIT ZERO
49
31
1
DIGIT ONE
50
32
2
DIGIT TWO
51
33
3
DIGIT THREE
52
34
4
DIGIT FOUR
53
35
5
DIGIT FIVE
54
36
6
DIGIT SIX
55
37
7
DIGIT SEVEN
56
38
8
DIGIT EIGHT
57
39
9
DIGIT NINE
58
3A
:
COLON
59
3B
;
SEMICOLON
60
3C
<
LESS-THAN SIGN
61
3D
=
EQUALS SIGN
62
3E
>
GREATER-THAN SIGN
63
3F
?
QUESTION MARK
64
40
@
COMMERCIAL AT
65
41
A
LATIN CAPITAL LETTER A
66
42
B
LATIN CAPITAL LETTER B
67
43
C
LATIN CAPITAL LETTER C
68
44
D
LATIN CAPITAL LETTER D
69
45
E
LATIN CAPITAL LETTER E
70
46
F
LATIN CAPITAL LETTER F
71
47
G
LATIN CAPITAL LETTER G
72
48
H
LATIN CAPITAL LETTER H
73
49
I
LATIN CAPITAL LETTER I
74
4A
J
LATIN CAPITAL LETTER J
75
4B
K
LATIN CAPITAL LETTER K
76
4C
L
LATIN CAPITAL LETTER L
77
4D
M
LATIN CAPITAL LETTER M
78
4E
N
LATIN CAPITAL LETTER N
79
4F
O
LATIN CAPITAL LETTER O
80
50
P
LATIN CAPITAL LETTER P
81
51
Q
LATIN CAPITAL LETTER Q
82
52
R
LATIN CAPITAL LETTER R
83
53
S
LATIN CAPITAL LETTER S
84
54
T
LATIN CAPITAL LETTER T
85
55
U
LATIN CAPITAL LETTER U
86
56
V
LATIN CAPITAL LETTER V
87
57
W
LATIN CAPITAL LETTER W
88
58
X
LATIN CAPITAL LETTER X
89
59
Y
LATIN CAPITAL LETTER Y
90
5A
Z
LATIN CAPITAL LETTER Z
91
5B
[
LEFT SQUARE BRACKET
92
5C
\
REVERSE SOLIDUS
93
5D
]
RIGHT SQUARE BRACKET
94
5E
^
CIRCUMFLEX ACCENT
95
5F
_
LOW LINE
96
60
`
GRAVE ACCENT
97
61
a
LATIN SMALL LETTER A
98
62
b
LATIN SMALL LETTER B
99
63
c
LATIN SMALL LETTER C
100
64
d
LATIN SMALL LETTER D
101
65
e
LATIN SMALL LETTER E
102
66
f
LATIN SMALL LETTER F
103
67
g
LATIN SMALL LETTER G
104
68
h
LATIN SMALL LETTER H
105
69
i
LATIN SMALL LETTER I
106
6A
j
LATIN SMALL LETTER J
107
6B
k
LATIN SMALL LETTER K
108
6C
l
LATIN SMALL LETTER L
109
6D
m
LATIN SMALL LETTER M
110
6E
n
LATIN SMALL LETTER N
111
6F
o
LATIN SMALL LETTER O
112
70
p
LATIN SMALL LETTER P
113
71
q
LATIN SMALL LETTER Q
114
72
r
LATIN SMALL LETTER R
115
73
s
LATIN SMALL LETTER S
116
74
t
LATIN SMALL LETTER T
117
75
u
LATIN SMALL LETTER U
118
76
v
LATIN SMALL LETTER V
119
77
w
LATIN SMALL LETTER W
120
78
x
LATIN SMALL LETTER X
121
79
y
LATIN SMALL LETTER Y
122
7A
z
LATIN SMALL LETTER Z
123
7B
{
LEFT CURLY BRACKET
124
7C
|
VERTICAL LINE
125
7D
}
RIGHT CURLY BRACKET
126
7E
~
TILDE
128
80
Ђ
CYRILLIC CAPITAL LETTER DJE
129
81
Ѓ
CYRILLIC CAPITAL LETTER GJE
130
82
‚
SINGLE LOW-9 QUOTATION MARK
131
83
ѓ
CYRILLIC SMALL LETTER GJE
132
84
„
DOUBLE LOW-9 QUOTATION MARK
133
85
…
HORIZONTAL ELLIPSIS
134
86
†
DAGGER
135
87
‡
DOUBLE DAGGER
136
88
€
EURO SIGN
137
89
‰
PER MILLE SIGN
138
8A
Љ
CYRILLIC CAPITAL LETTER LJE
139
8B
‹
SINGLE LEFT-POINTING ANGLE QUOTATION MARK
140
8C
Њ
CYRILLIC CAPITAL LETTER NJE
141
8D
Ќ
CYRILLIC CAPITAL LETTER KJE
142
8E
Ћ
CYRILLIC CAPITAL LETTER TSHE
143
8F
Џ
CYRILLIC CAPITAL LETTER DZHE
144
90
ђ
CYRILLIC SMALL LETTER DJE
145
91
‘
LEFT SINGLE QUOTATION MARK
146
92
’
RIGHT SINGLE QUOTATION MARK
147
93
“
LEFT DOUBLE QUOTATION MARK
148
94
”
RIGHT DOUBLE QUOTATION MARK
149
95
•
BULLET
150
96
–
EN DASH
151
97
—
EM DASH
153
99
™
TRADE MARK SIGN
154
9A
љ
CYRILLIC SMALL LETTER LJE
155
9B
›
SINGLE RIGHT-POINTING ANGLE QUOTATION MARK
156
9C
њ
CYRILLIC SMALL LETTER NJE
157
9D
ќ
CYRILLIC SMALL LETTER KJE
158
9E
ћ
CYRILLIC SMALL LETTER TSHE
159
9F
џ
CYRILLIC SMALL LETTER DZHE
160
A0
NO-BREAK SPACE
161
A1
Ў
CYRILLIC CAPITAL LETTER SHORT U
162
A2
ў
CYRILLIC SMALL LETTER SHORT U
163
A3
Ј
CYRILLIC CAPITAL LETTER JE
164
A4
¤
CURRENCY SIGN
165
A5
Ґ
CYRILLIC CAPITAL LETTER GHE WITH UPTURN
166
A6
¦
BROKEN BAR
167
A7
§
SECTION SIGN
168
A8
Ё
CYRILLIC CAPITAL LETTER IO
169
A9
©
COPYRIGHT SIGN
170
AA
Є
CYRILLIC CAPITAL LETTER UKRAINIAN IE
171
AB
«
LEFT-POINTING DOUBLE ANGLE QUOTATION MARK
172
AC
¬
NOT SIGN
173
AD
SOFT HYPHEN
174
AE
®
REGISTERED SIGN
175
AF
Ї
CYRILLIC CAPITAL LETTER YI
176
B0
°
DEGREE SIGN
177
B1
±
PLUS-MINUS SIGN
178
B2
І
CYRILLIC CAPITAL LETTER BYELORUSSIAN-UKRAINIAN I
179
B3
і
CYRILLIC SMALL LETTER BYELORUSSIAN-UKRAINIAN I
180
B4
ґ
CYRILLIC SMALL LETTER GHE WITH UPTURN
181
B5
µ
MICRO SIGN
182
B6
¶
PILCROW SIGN
183
B7
·
MIDDLE DOT
184
B8
ё
CYRILLIC SMALL LETTER IO
185
B9
№
NUMERO SIGN
186
BA
є
CYRILLIC SMALL LETTER UKRAINIAN IE
187
BB
»
RIGHT-POINTING DOUBLE ANGLE QUOTATION MARK
188
BC
ј
CYRILLIC SMALL LETTER JE
189
BD
Ѕ
CYRILLIC CAPITAL LETTER DZE
190
BE
ѕ
CYRILLIC SMALL LETTER DZE
191
BF
ї
CYRILLIC SMALL LETTER YI
192
C0
А
CYRILLIC CAPITAL LETTER A
193
C1
Б
CYRILLIC CAPITAL LETTER BE
194
C2
В
CYRILLIC CAPITAL LETTER VE
195
C3
Г
CYRILLIC CAPITAL LETTER GHE
196
C4
Д
CYRILLIC CAPITAL LETTER DE
197
C5
Е
CYRILLIC CAPITAL LETTER IE
198
C6
Ж
CYRILLIC CAPITAL LETTER ZHE
199
C7
З
CYRILLIC CAPITAL LETTER ZE
200
C8
И
CYRILLIC CAPITAL LETTER I
201
C9
Й
CYRILLIC CAPITAL LETTER SHORT I
202
CA
К
CYRILLIC CAPITAL LETTER KA
203
CB
Л
CYRILLIC CAPITAL LETTER EL
204
CC
М
CYRILLIC CAPITAL LETTER EM
205
CD
Н
CYRILLIC CAPITAL LETTER EN
206
CE
О
CYRILLIC CAPITAL LETTER O
207
CF
П
CYRILLIC CAPITAL LETTER PE
208
D0
Р
CYRILLIC CAPITAL LETTER ER
209
D1
С
CYRILLIC CAPITAL LETTER ES
210
D2
Т
CYRILLIC CAPITAL LETTER TE
211
D3
У
CYRILLIC CAPITAL LETTER U
212
D4
Ф
CYRILLIC CAPITAL LETTER EF
213
D5
Х
CYRILLIC CAPITAL LETTER HA
214
D6
Ц
CYRILLIC CAPITAL LETTER TSE
215
D7
Ч
CYRILLIC CAPITAL LETTER CHE
216
D8
Ш
CYRILLIC CAPITAL LETTER SHA
217
D9
Щ
CYRILLIC CAPITAL LETTER SHCHA
218
DA
Ъ
CYRILLIC CAPITAL LETTER HARD SIGN
219
DB
Ы
CYRILLIC CAPITAL LETTER YERU
220
DC
Ь
CYRILLIC CAPITAL LETTER SOFT SIGN
221
DD
Э
CYRILLIC CAPITAL LETTER E
222
DE
Ю
CYRILLIC CAPITAL LETTER YU
223
DF
Я
CYRILLIC CAPITAL LETTER YA
224
E0
а
CYRILLIC SMALL LETTER A
225
E1
б
CYRILLIC SMALL LETTER BE
226
E2
в
CYRILLIC SMALL LETTER VE
227
E3
г
CYRILLIC SMALL LETTER GHE
228
E4
д
CYRILLIC SMALL LETTER DE
229
E5
е
CYRILLIC SMALL LETTER IE
230
E6
ж
CYRILLIC SMALL LETTER ZHE
231
E7
з
CYRILLIC SMALL LETTER ZE
232
E8
и
CYRILLIC SMALL LETTER I
233
E9
й
CYRILLIC SMALL LETTER SHORT I
234
EA
к
CYRILLIC SMALL LETTER KA
235
EB
л
CYRILLIC SMALL LETTER EL
236
EC
м
CYRILLIC SMALL LETTER EM
237
ED
н
CYRILLIC SMALL LETTER EN
238
EE
о
CYRILLIC SMALL LETTER O
239
EF
п
CYRILLIC SMALL LETTER PE
240
F0
р
CYRILLIC SMALL LETTER ER
241
F1
с
CYRILLIC SMALL LETTER ES
242
F2
т
CYRILLIC SMALL LETTER TE
243
F3
у
CYRILLIC SMALL LETTER U
244
F4
ф
CYRILLIC SMALL LETTER EF
245
F5
х
CYRILLIC SMALL LETTER HA
246
F6
ц
CYRILLIC SMALL LETTER TSE
247
F7
ч
CYRILLIC SMALL LETTER CHE
248
F8
ш
CYRILLIC SMALL LETTER SHA
249
F9
щ
CYRILLIC SMALL LETTER SHCHA
250
FA
ъ
CYRILLIC SMALL LETTER HARD SIGN
251
FB
ы
CYRILLIC SMALL LETTER YERU
252
FC
ь
CYRILLIC SMALL LETTER SOFT SIGN
253
FD
э
CYRILLIC SMALL LETTER E
254
FE
ю
CYRILLIC SMALL LETTER YU
255
FF
я
CYRILLIC SMALL LETTER YA