TOC

GSM-7 编码

作者：
日期：
标签：字符编码

https://en.wikipedia.org/wiki/GSM_03.38

GSM 引入短信服务的时候，规范了相关的字符编码。

其中，定义了一个 7bit 的字符编码，支持英语和一些西欧语言，这套标准就是 GSM 03.38，也被称之为 3GPP 23.038，在移动通信技术领域之外，更广泛的称呼是 GSM-7 编码（gsm7bit）。

  • PS：短信中如果要包含其他语言，必须使用 16 位 UCS-2 字符编码进行传输。
  • PS：按照 GSM 03.40 标准（TP-Data-Coding-Scheme），一共支持三种编码（00 GSM7bit，01 8bit，02 UCS2）
  • PS：3GPP 23.038 中还又定义一个 national language shift table，
    可以通过相关代码在 GSM-7 的技术框架内支持一些语言，比如葡萄牙语、西班牙语、土耳其语等。
    中文这种字符这么多的就别想了。

字符集

分析

  1. 算是可变长度编码，拓展区域字符需要用 ESC (0x1B) 开头，算两位长度。

  2. ASCII 可打印字符中（Python string.printable），有四个不支持：

    `
\t      # TAB   水平制表符
\x0b    # VT    垂直制表符
\x0c    # FF    换页

  3. GSM-7 基本兼容同为七位编码的 ASCII：

    1. ASCII 可打印字符中，有 8 个符号放在拓展区，
    2. 其他的和 GSM-7 编码完全相同。
    ^ ~ \ | { } [ ]

  4. 图中标黄色的 7 个字符说明：

    1. BCS：
      1. LF \r 换行
      2. CR \n 回车
      3. ESC
      4. SP
    2. EXT：
      1. FF 1B0A 对应 ASCII 0C 位置的换页符
      2. CR2 1B0D
      3. SS2 1B1B 保留

  5. GSM-7 用控制字符换了以下 40 个字符：

    '£', '¥', 'è', 'é', 'ù', 'ì', 'ò', 'Ç', 'Ø', 'ø',
'Å', 'å', 'Δ', 'Φ', 'Γ', 'Λ', 'Ω', 'Π', 'Ψ', 'Σ',
'Θ', 'Ξ', 'Æ', 'æ', 'ß', 'É', '¤', '¡', 'Ä', 'Ö',
'Ñ', 'Ü', '§', '¿', 'ä', 'ö', 'ñ', 'ü', 'à', '€',

对短信长度计算的影响

和 8bit 的 ASCII 编码方案相比：

  1. 利用那些没有用的控制位，支持更多语言（同时，牺牲了 8 个标点符号，需要两个字节表示）
  2. 140 * 8 / 7 = 160，也就是一条短信支持的字符数，从 140 提升到 160。

如果超出就按照 153 个字符切割，比如：

500 个 GSM-7 字符的短信，在通信过程中需要切割成 153 + 153 + 153 + 41 四条短信发出。
每条短信带一个头（附加信息），包含这批短信的总条数和当前这条短信的序号。
收信方根据短信的头信息来把这一批短信组装成一条，展示给用户。

参考：2018/06/08，短信长度到底是怎么规定的

填充位

根据协议：
如果剩余长度 1 ~ 6，最后的几位应该用 0 填充。
如果剩余长度位 7，为了避免和 0x00 @ 混淆，应该用 0x0D 填充，也就是 \r（回车）。

stat = {}

for i in range(1, 161):
    stat.setdefault(8 - (i * 7 % 8), []).append(i)

pprint.pp(stat, width=160)
{1: [1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97, 105, 113, 121, 129, 137, 145, 153],
 2: [2, 10, 18, 26, 34, 42, 50, 58, 66, 74, 82, 90, 98, 106, 114, 122, 130, 138, 146, 154],
 3: [3, 11, 19, 27, 35, 43, 51, 59, 67, 75, 83, 91, 99, 107, 115, 123, 131, 139, 147, 155],
 4: [4, 12, 20, 28, 36, 44, 52, 60, 68, 76, 84, 92, 100, 108, 116, 124, 132, 140, 148, 156],
 5: [5, 13, 21, 29, 37, 45, 53, 61, 69, 77, 85, 93, 101, 109, 117, 125, 133, 141, 149, 157],
 6: [6, 14, 22, 30, 38, 46, 54, 62, 70, 78, 86, 94, 102, 110, 118, 126, 134, 142, 150, 158],
 7: [7, 15, 23, 31, 39, 47, 55, 63, 71, 79, 87, 95, 103, 111, 119, 127, 135, 143, 151, 159],
 8: [8, 16, 24, 32, 40, 48, 56, 64, 72, 80, 88, 96, 104, 112, 120, 128, 136, 144, 152, 160]}

参考资料与拓展阅读

发布于码厩技术博客的所有文章，除注明转载外，均为作者原创，欢迎转载，但必须注明出处。
尊重他人劳动，共创开源社区！转载请注明以下信息：
转载来源： 码厩技术博客 []
原文标题：GSM-7 编码
原文地址：
知识共享许可协议