zhangxinrun的专栏

<br />最近一直在忙点私活，又好久没写blog了，再不写点的话二月份就又要以单篇文章结束了。前一阵子一直在研究Unicode，索性把研究结果介绍一下吧。<br />可能大家都听说过 Unicode、UCS-2、UTF-8 等等词汇，但它们具体是什么意思，是什么原理，之间有什么关系，恐怕就很少有人明白了。下面就分别介绍一下它们。<br /> 基本知识字节和字符的区别Big Endian和Little EndianUCS-2和UCS-4UTF-16和UTF-32UTF-16UTF-32UTF-8基本知识<b

<br />快下班时，爱问问题的小朋友Nico又问了一个问题： <br />"sqlserver里面有char和nchar，那个n据说是指unicode的数据，这个是什么意思。" <br />并不是所有简单的问题都很容易回答，就像这个问题一样。于是我答应专门写一篇BLOG来从头讲讲编码的故事。那么就让我们找个草堆坐下，先抽口烟，看看夜晚天空上的银河，然后想一想要从哪里开始讲起。嗯，也许这样开始比较好…… <br /><br /><br />很久很久以前，有一群人，他们决定用8个可以开合的晶体管来组合成不同的

<br />在计算机中字符通常并不是保存为图像，每个字符都是使用一个编码来表示的，而每个字符究竟使用哪个编码代表，要取决于使用哪个字符集(charset)。<br />　　在最初的时候，Internet上只有一种字符集——ANSI的ASCII字符集，它使用7 bits来表示一个字符，总共表示128个字符，其中包括了英文字母、数字、标点符号等常用字符。之后，又进行扩展，使用8 bits表示一个字符，可以表示256个字符，主要在原来的7 bits字符集的基础上加入了一些特殊符号例如制表符。<br />　　后来，

<br />几年前，我在初次接触Unicode时学习过一段时间的编码，当时解决了问题就没有继续下去，我记得当时遗留下来的一个问题就是UTF-8到底是怎样一种编码，和Unicode有什么区别？为什么有了Unicode还要有UTF-8?<br />    最近又遇到了UTF-8的问题，因此我决定就此机会好好学习一下Unicode相关的知识。<br />    从前在编程的时候我都不用Unicode字符集的，好像VC6对工程的默认设置是使用多字节字符集。记得那个时候如果要在VC6里使用Unicode字符集，好像C

<br />Unicode规范中有一个BOM的概念。BOM——Byte Order Mark，就是字节序标记。在这里找到一段关于BOM的说明：<br />在UCS 编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE