说说Unicode这个东东！

只能说一声叹息，被这个东东害的一点都不清，及时到现在，我也不知道我是不是搞不清了。但是不发点牢骚是不行的，也算为搞得更清楚打点基础，（我感觉这就是教育中的一点，一直被告诉应该这样做，一直只给你一个答案，告诉你按着这么做就可以了。 只知道正确，却不知道错在哪，纠结中……）。编程时总是能听到赫赫大名的Unicode，确总是感觉遥不可及。

首先说下windows下的记事本，这个东西首先让我在概念上模糊，而且是看了很多人的博客之类的文章，真是越看越乱，我的头里现在知道的也不知道是不是正确的。好吧，让我细细说来让我迷惑的问题。通常我用的是windows，unix/linux之类的也用过来的，但是没有注意到，总的来说就是不常用，我的大脑已经被microsoft洗脑了，很多东西就会固执己见，发现自己理解的总是与大神理解点是不同的。

当我记事本存储文本文件时，一共有4种编码方式，分别为ANSI、Unicode、Unicode big endian、UTF-8。第一个ANSI就让我非常迷惑了，我看见这个有两个词“ansi c”、“ansi码”，百度一下给出一个百度百科，只是让我更迷惑（百度百科真想让我骂人，说不清是什么东西），ansi翻译过来就是美国国家标准学会，这个跟我想知道有个毛关系。还有一个定义-一种字符代码，这应该就是我想要找的，“不同的国家和地区制定了不同的标准，由此产生了GB2312、BIG5、JIS等各自的编码标准，这些使用两个字节表示一个字符的各种汉字延伸编码方式，称为ansi编码“。因为我还知道ascii，这是基于拉丁字母的一套计算机编码系统，而前面有时asci编码，TMD，搞晕了都是编码，那个是那个。百度搜下ascii竟然没有对应的词条，还好有维基，这里就是我比较熟悉的那套编码了，33个字符无法显示，95个可显示字符，共有128个字符0~127（0x0~0x7E)，所以先前看到的ansi编码通常使用0x80~0xFF范围的2个字节来表示1个字符，为了兼容ascii码，不知道理解是否正确，反正弄乱了。在维基百科上我找不到”asci编码“这个词条，现在我都不知道这个词条是否正确。然后在知乎让我理解加深了一点，记事本上的编码”ansi‘其实是Windows code pages，这个模式根据当前locale选定具体的编码，比如是简体中文下是GBK，那么此文本编码是GBK，若是台湾繁体中文下locale是BIG5，那么ansi编码就是BIG5编码，反正兼容ascii的地区码都是asci编码，不知道理解是否正确。

下面三个都与Unicode这个词有关，先说我好像知道的。windows下的unicode应该是UTF-16LE、Unicode big endian就是指UTF-16BE。Unicode现在这个词到底指什么弄不明白，UCS-2、UCS-4、UTF-8、UTF-16、UTF-32这又来5个东西，“Unicode应该是包括字符集和编码集的，ascii其实也是，只是字符集与编码集一样”。我也不知道这是哪里看到的，照这样前面两个是字符集，后两个是编码集。在维基百科上写道Unicode是计算机科学领域里的一项业界标准，但我们常常说Unicode编码，带来烦恼真多。Unicode伴随着通用字符集的标准而发展，这里我感觉我其实一直指的的是UCS，UCS不仅给每个字符分配代码，而且赋予一个正式名称，十六进制数前“U+”。UCS有的码空间是从U+0000到U+10FFFF，17个平面（0x0-0x10），每个平面2^16=65'536（0x0000~0xffff）个码位。第一个平面包含了最常用的字符，该平面成为基本多语言平面（Basic Multilingual Plane)简称BMP（我一直以为是位图，哈哈），其他平面称为辅助平面。2-byte Universal Character Set(UCS-2)是定长的编码方式，有这样的看法的我在两个地方看法，故我姑且认定这是正确的，UMS-2就是使用16位码元来表示码位，就是表示BMP。而UTF-16非定长，使用一个或者两个16位的码元表示码位，就是用来扩充UCS-2的，可以完全表示0x0~0x10FFFF。UTF-32是定长编码，是UCS-4的子集，UCS-4足以用来表示多有Unicode的字码空间，最大的码位空间为0x7FFFFF个码位，好吧，反正提出个更小码位空间的UTF-32，只有0x0~0x10FFFF的码位空间。还有一个BOM这个东东没有说，在windows下，文本文件最前面总是有两个字节写着FE FF后者FF FE（用十六进制看），我就知道这个有两个作用，若是有这个就直接告诉你这是一个Unicode编码，否则就是asci编码，写到这句话我发现我的定义完全混乱，但又感觉是应该那么表达出来。第二点，FE FF，关于little endian。还有太多没有搞清楚。