UNICODE GBK UTF-8等文本編碼

UNICODE,GBK,UTF-8區別

關於編碼ansi、GB23十二、unicode與utf-8的區別

先作一個小小的試驗：

在一個文件夾裏，把一個txt文本（文本里包含「今天的天氣很是好」這句話）分別另存爲ansi、unicode、utf-8這三種編碼的txt文件。而後，在該文件夾上點擊右鍵，選擇「搜索(E)…」。

搜索「天氣」二字，能夠搜索出ansi和unicode這兩種編碼的txt文件，搜索不出utf-8編碼的文件。

緣由：

1.中文操做系統默認ansi編碼，生成的txt文件默認爲ansi編碼，因此，能夠搜索出來。

2.unicode是國際通用編碼，因此，能夠搜索出來。

3.utf-8編碼是unicode編碼在網絡之間（主要是網頁）傳輸時的一種「變通」和「橋樑」編碼。utf-8在網絡之間傳輸時能夠節約數據量。因此，使用操做系統沒法搜索出txt文本。

按照utf-8創始人的願望：

端（unicode）——傳輸（utf-8）——端（unicode）

可是，後來，許多網站開發者在開發網頁時直接使用utf-8編碼。

端（utf-8）——傳輸（utf-8）——端（utf-8）

因此，在瀏覽器上看到的編碼是：unicode（utf-8）。正由於在瀏覽器上這麼並列地列出unicode（utf-8），形成許多網友（甚至很多程序員）誤認爲unicode=utf-8。其實，按照utf-8創始人的原意，在開發網頁時使用utf-8編碼是錯誤的作法，而且，早期的瀏覽器也不支持解析utf-8編碼。可是，衆人的力量是巨大的，微軟不得不「趨炎附勢」，在瀏覽器上支持解析utf-8編碼。

問題是：utf-8編碼影響了網站開發者，或者說，網站開發者「擴展」了utf-8編碼的使用範圍。可是，網站開發者仍然沒法影響各種文檔的開發者，因此，word文檔和一些國際通用的文檔仍然使用unicode編碼而不使用utf-8編碼。

好比：「嚴」的Unicode碼是4E25，UTF-8編碼是E4B8A5，二者是不同的。

在中文和日文操做系統裏生成的（txt和xml）文件的編碼雖然都是ansi，可是，在簡體中文系統下，ansi 編碼表明 GB2312
編碼，在日文操做系統下，ansi 編碼表明 JIS 編碼。不一樣 ansi
編碼之間互不兼容，當信息在國際間交流時，沒法將屬於兩種語言的文字，存儲在同一段 ansi 編碼的文本中。

結論：國際文檔（txt和xml）使用unicode編碼是正宗作法；操做系統和瀏覽器都可以「理解」unicode編碼。瀏覽器「迫於壓力」才「理解」utf-8編碼。可是，操做系統有時只認unicode編碼。

Unicode與Unicode big endian的區別：你吃雞蛋時先吃小頭仍是先吃大頭？Unicode與Unicode big
endian的區別就是在編碼時小頭優先與大頭優先的區別。「隨波逐流」使用Unicode就OK了。
ref http://blog.sina.com.cn/s/blog_a547eff001012igt.html(簡潔明瞭)
ref http://www.cnblogs.com/cy163/archive/2007/05/31/766886.html

ANSI編碼

不一樣的國家和地區制定了不一樣的標準，由此產生了 GB23十二、GBK、Big五、Shift_JIS 等各自的編碼標準。這些使用 1 至 4 個字節來表明一個字符的各類漢字延伸編碼方式，稱爲 ANSI 編碼。在簡體中文Windows操做系統中，ANSI 編碼表明 GBK 編碼；在日文Windows操做系統中，ANSI 編碼表明 Shift_JIS 編碼。 不一樣 ANSI 編碼之間互不兼容，當信息在國際間交流時，沒法將屬於兩種語言的文字，存儲在同一段 ANSI 編碼的文本中。 固然對於ANSI編碼而言，0x00~0x7F之間的字符，依舊是1個字節表明1個字符。這一點是ASNI編碼與Unicode編碼之間最大也最明顯的區別。
ref http://baike.baidu.com/link?url=yt4s_FysZ9KUl4WxFeXyv5pHkQsvrRiZgWbU82EYj9XTfYmJgbZMe5mOYUbM3GsM7DR9rcFf4QRWbGuI9wQrVa（百度百科）