UNICODE GBK UTF-8等文本编码

UNICODE,GBK,UTF-8区别

关于编码ansi、GB23十二、unicode与utf-8的区别

先作一个小小的试验：

在一个文件夹里，把一个txt文本（文本里包含“今天的天气很是好”这句话）分别另存为ansi、unicode、utf-8这三种编码的txt文件。而后，在该文件夹上点击右键，选择“搜索(E)…”。

搜索“天气”二字，能够搜索出ansi和unicode这两种编码的txt文件，搜索不出utf-8编码的文件。

缘由：

1.中文操做系统默认ansi编码，生成的txt文件默认为ansi编码，因此，能够搜索出来。

2.unicode是国际通用编码，因此，能够搜索出来。

3.utf-8编码是unicode编码在网络之间（主要是网页）传输时的一种“变通”和“桥梁”编码。utf-8在网络之间传输时能够节约数据量。因此，使用操做系统没法搜索出txt文本。

按照utf-8创始人的愿望：

端（unicode）——传输（utf-8）——端（unicode）

可是，后来，许多网站开发者在开发网页时直接使用utf-8编码。

端（utf-8）——传输（utf-8）——端（utf-8）

因此，在浏览器上看到的编码是：unicode（utf-8）。正由于在浏览器上这么并列地列出unicode（utf-8），形成许多网友（甚至很多程序员）误认为unicode=utf-8。其实，按照utf-8创始人的原意，在开发网页时使用utf-8编码是错误的作法，而且，早期的浏览器也不支持解析utf-8编码。可是，众人的力量是巨大的，微软不得不“趋炎附势”，在浏览器上支持解析utf-8编码。

问题是：utf-8编码影响了网站开发者，或者说，网站开发者“扩展”了utf-8编码的使用范围。可是，网站开发者仍然没法影响各种文档的开发者，因此，word文档和一些国际通用的文档仍然使用unicode编码而不使用utf-8编码。

好比：“严”的Unicode码是4E25，UTF-8编码是E4B8A5，二者是不同的。

在中文和日文操做系统里生成的（txt和xml）文件的编码虽然都是ansi，可是，在简体中文系统下，ansi 编码表明 GB2312
编码，在日文操做系统下，ansi 编码表明 JIS 编码。不一样 ansi
编码之间互不兼容，当信息在国际间交流时，没法将属于两种语言的文字，存储在同一段 ansi 编码的文本中。

结论：国际文档（txt和xml）使用unicode编码是正宗作法；操做系统和浏览器都可以“理解”unicode编码。浏览器“迫于压力”才“理解”utf-8编码。可是，操做系统有时只认unicode编码。

Unicode与Unicode big endian的区别：你吃鸡蛋时先吃小头仍是先吃大头？Unicode与Unicode big
endian的区别就是在编码时小头优先与大头优先的区别。“随波逐流”使用Unicode就OK了。
ref http://blog.sina.com.cn/s/blog_a547eff001012igt.html(简洁明了)
ref http://www.cnblogs.com/cy163/archive/2007/05/31/766886.html

ANSI编码

不一样的国家和地区制定了不一样的标准，由此产生了 GB23十二、GBK、Big五、Shift_JIS 等各自的编码标准。这些使用 1 至 4 个字节来表明一个字符的各类汉字延伸编码方式，称为 ANSI 编码。在简体中文Windows操做系统中，ANSI 编码表明 GBK 编码；在日文Windows操做系统中，ANSI 编码表明 Shift_JIS 编码。 不一样 ANSI 编码之间互不兼容，当信息在国际间交流时，没法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。 固然对于ANSI编码而言，0x00~0x7F之间的字符，依旧是1个字节表明1个字符。这一点是ASNI编码与Unicode编码之间最大也最明显的区别。
ref http://baike.baidu.com/link?url=yt4s_FysZ9KUl4WxFeXyv5pHkQsvrRiZgWbU82EYj9XTfYmJgbZMe5mOYUbM3GsM7DR9rcFf4QRWbGuI9wQrVa（百度百科）