从编码的历史了解编码

 

话说计算机是由美国佬搞出来的嘛，他们觉得一个字节（可以表示256个编码）表示英语世界里所有的字母、数字和常用特殊符号已经绰绰有余了（其实ASCII只用了前127个编码）。后来欧洲人不干了，法国人说：我需要在小写字母加上变音符号（如：é），德国人说：我也要加几个字母（Ä ä、Ö ö、Ü ü、ß）。于是，欧洲人就将ASCII没用完的编码（128-255）为自己特有的符号编码（后来称之为“扩展字符集”）。等到我们中国人开始使用计算机的时候，尼玛，256个编码哪够？我泱泱大中华，汉字起码也得N多万吧，就连小学生都得要求掌握两三千字。国标局最后拍板：一个字节不够，那我们就用多个字节来为汉字编码吧，但是，国情那么穷，字节那么贵，三个字节伤不起，那就用俩字节吧，先给常用的几千汉字编个码，等以后国家强盛了人民富裕了，咱再扩展呗---于是GB2312就产生了。台湾同胞一看，尼玛，全是简体字，还让不让我们写繁体字的活了，于是台湾同胞也自己弄了个繁体字编码---大五码（Big-5）。同时，其它国家也在为自己的文字编码。最后，微软苦逼了：顾客就是上帝啊，你们的编码我都得满足啊，这样吧，卖给美国国内的系统默认就用ASCII编码吧，卖给中国人的系统默认就用GBK编码吧，卖给韩国人的系统默认就用EUC-KR编码，...但是为了避免你们误会我卖给你们的系统功能有差异，我就统一把你们的默认编码都显示成ANSI吧。---本故事纯属虚构，但“ANSI编码”确实只存在于Windows系统。

——转自 ANSI是什么编码？

 

1). ASCII码

美国最先统一规定英语字符与二进制位之间的对应关系：

使用一个字节的后7位来表示128个字符，第1位统一规定为0；

例如，字母A的ASCII码为(01000001)

2). GBK/GB2312/Big-5、EUC-KR、Shift JIS等

法德俄等国在ASCII码的基础上将128~255这一段用来表示各自语言中的字符，像中文一个字节根本不够用就扩展到了2个字节

3) Unicode

Unicode是为了试图将世界上所有的符号都纳入，每个符号都有唯一对应的二进制代码；

但Unicode没有具体规定如何存储(比如使用几个字节，这些字节中没有被使用的位使用什么来填充)

4. UTF-8

UTF-8是Unicode的一种实现方式，变长方式编码(可以用1~4个字节来表示一个符号)

5. ANSI

如开头的故事所讲，ANSI并不是某一种特定的字符编码，而是在不同的系统中，ANSI表示不同的编码。

美国人的系统中ANSI编码其实是ASCII编码（ASCII编码不能表示汉字，汉字为乱码）；

我们的系统中ANSI编码是GBK编码；

而韩文系统中ANSI编码其实是EUC-KR编码。

(当然了，跟哪国人没关系，具体是根据系统区域（locale）来设置的)