常见的几种编码方式

  Nodepad++相信大家都有用过，格式那一栏有ANSI格式编码，UTF-8格式编码，UTF-8无BOM格式编码，UCS-2 Big Endian以及UCS-2 Little Endian，这些其实就是我们常说的编码方式。你可能会想问为什么没有ASCII，Unicode，UTF-16呢，因为你肯定在写程序的时候用过，后面我们会说到这种可以说是广为流传的误区吧。

 以上提到的Notepad++中出现的，被称之为格式编码。那么什么是编码呢，图片的jpg，视屏的AVI都是编码方式，我们可以猜到这里面涉及到存储的概念，转换的概念。那么我们今天所讨论的编码可以看做是字符的编码，同样会涉及到存储和转换的内容。所谓的存储就是，每个字符用几个字节来表示以及是大头方式还是小头方式，转换就是将该字符映射成为对应的数字，毕竟计算机只能理解0，1代码，即高低电平。

  下面我们分别看一下我们经常遇到的几种情况。

 

  ASCII应该是最熟悉的，使用了8位的二进制来表示英文的字母和字符，比如0x20表示空格；0x30表示数字0；0x61表示字母a等等。当然最开始的时候最高位全是0，后来扩展后的ASCII使用到了最高位为1的情况。

 

  ANSI是在ASCII的8位用尽的情况下，出现的一种解决方案。我大汉民族常用汉字6000+，所有的字符好几万，那就用16位表示；我们还有55个兄弟姐妹呢，那就用32 位表示。我理解的ANSI就是一个统称，在我们中文环境就是GB2312，在日本人的环境就是相应的日本人制定的编码。

 

  ANSI编码虽然解决了ASCII长度不足的问题，但是不同的ANSI编码不能够兼容。我们知道网络的发展极大地促进了各国之间的交流，而这种不兼容的情况是不能忍的。于是催生出了Unicode。

 

  准确的说Unicode并不是一种编码方式，它是一个字符集，包括了全世界绝大多数文明的字符，而且还在不断的发展之中，毕竟人类的创造力是无限的。Unicode定义了字符到数字的映射关系。比如字符“中”对应的数字十六进制为4E2D。UNICODE并没有规定要用用多少个字节表示字符，因为这是编码的范畴，字符集并不管。

 

  UTF-8 (Unicode Transformation Format)就是Unicode的一种实现。作为一种编码方式，我们前面提到过。其表示采用变长字节进行存储，比如英文字符就是用一个字节就行，对于汉字使用3个字节，按需使用。对于转换，我们知道Uincode定义了数字跟相应字符的映射，比如“中”Unicode为4E2D，UTF-8编码为E4B8AD。怎么转化为3个字节的形式就是UTF-8的具体实现，可以去查一下。

 

  虽然有了UTF-8，但有些强迫症患者看着这种不规则存储实在是心里难受，所以同时也制定了UTF-16，常用的字符都用16位表示，这样看着就舒心多了。当然不常用的字符使用32位来表示。UTF-16BOM表示的是字节序，与后面所述的大小头是一个意思。这里面用于网络传输。

 

  UCS-2是Universal Character Set缩写，其和UTF-16基本一样，就是只是用16位表示字符，当然其支持字符集就不如UTF-16广泛了。至于大小头方式，举个例子字符“中”Unicode为4E2D，使用UCS-2 Big Endian表示为4E 2D，使用UCS-2Little Endian表示为2D 4E。大小头用于实际的存储。

 

  每一种编码方式都会有其历史背景以及优缺点，就不一一讲述了。以上就是我对几种常见的编码格式等的理解，如有错误，请指正。