Posted on 2010-12-17 10:50
kangaroo 閱讀(1247)
評論(0) 編輯 收藏 所屬分類:
programmer
ASCII是最初的計算機指定的一套符號編碼，使用一個字節其中的7位，128個數值代表不同字符，對于英語這個已經是足夠，
但是對于其他國家的語言，卻遠遠不夠，如漢語，日語，韓語，所以就出現了非ASCII的字符編碼，如gbk2312，gbk的漢字編碼。這些非ascii的編碼都是兼容ascii128個符號編碼的。
------------------------------------------------------------------------------------------------------------------------------------------------------
UNICODE首先只是一個字符集，它的出現就是因為各個國家出臺自己的語言編碼，為了統一這些所有語言，可以理解unicode是涵蓋各個國家字符的集合，現在的規模可以容納100多萬個符號。需要說明的是，定長編碼便于計算機處理（注意GB2312/GBK不是定長編碼），而unicode又可以用來表示所有字符，所以在很多軟件內部是使用unicode編碼來處理的，比如java。
unicode只是一個符號集，只規定了符號的二進制代碼，卻沒有規定這個二進制代碼應該如何存儲，即編碼方式，常見的有utf-8和utf-16。
（如果unicode規定，每個符號用三個字節表示，那么英文字母只占用一個字節，就浪費很多存儲空間。）
UTF-8就是一種變長的編碼方式，它使用1~4個字節表示一個符號，根據不同的符號而變化字節長度。
我們常用的記事本功能，在"save as"的時候，可以選擇不同的編碼方式，里面有四個選擇：ansi，unicode，unicode big endian，utf-8：
1.ANSI是默認的編碼方式。對于英文文件是ASCII編碼，對于簡體中文文件是GB2312編碼（只針對Windows簡體中文版，如果是繁體中文版會采用Big5碼）。
2.Unicode編碼指的是UCS-2編碼方式，即直接用兩個字節存入字符的Unicode碼。這個選項用的little endian格式。
3.Unicode big endian編碼與上一個選項相對應。我在下一節會解釋little endian和big endian的涵義。
4.UTF-8編碼，也就是上一節談到的編碼方法。
參考：
http://www.cnblogs.com/pony/archive/2009/02/05/1384323.html
http://blog.chinaunix.net/u1/56156/showart_2245355.html
http://liaoshaoyao.javaeye.com/blog/667056