编码方式

 

ASCII（American Standard Code for Information Interchange，美国信息互换标准代码）是基于拉丁字母的一套电脑编码系统。它主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。

ASCII 码使用指定的7 位或8 位二进制数组合来表示128 或256 种可能的字符。标准ASCII 码也叫基础ASCII码，使用7 位二进制数来表示所有的大写和小写字母，数字0 到9、标点符号， 以及在美式英语中使用的特殊控制字符。其中：

　　 0～31及127(共33个)是控制字符或通信专用字符（其余为可显示字符），如控制符：LF（换行）、CR（ 回车）、FF（换页）、DEL（删除）、BS（退格)、BEL（振铃）等；通信专用字符：SOH（文头）、EOT（文尾）、ACK（确认）等；ASCII值为8、9、10 和13 分别转换为退格、制表、换行和回车字符。它们并没有特定的图形显示，但会依不同的应用程序，而对文本显示有不同的影响。

　　32～126(共95个)是字符(32sp是空格），其中48～57为0到9十个阿拉伯数字

　　65～90为26个大写英文字母，97～122号为26个小写英文字母，其余为一些标点符号、运算符号等。

　　同时还要注意，在标准ASCII中，其最高位(b7)用作 奇偶校验位。所谓奇偶校验，是指在代码传送过程中用来检验是否出现错误的一种方法，一般分奇校验和偶校验两种。奇校验规定：正确的代码一个字节中1的个数必须是奇数，若非奇数，则在最高位b7添1；偶校验规定：正确的代码一个字节中1的个数必须是偶数，若非偶数，则在最高位b7添1。

　　后128个称为扩展ASCII码，目前许多基于x86的系统都支持使用扩展（或“高”）ASCII。扩展ASCII 码允许将每个字符的第8 位用于确定附加的128 个特殊符号字符、外来语字母和图形符号。

扩展ASCII 字符是从128 到255（0x7f-0xff）的字符。

汉字编码　　0-127 是 7位ASCII 码的范围，是国际标准。

　　至于汉字，不同的字符集用的ascii 码的范围也不一样，常用的汉字字符集有GB2312-80,GBK,

　　Big5,unicode 等。下面我重点说一说最常用的GB_2312 的字符集。

　　GB_2312 字符集是目前最常用的汉字编码标准，windows 95/98/2000 中使用的 GBK字符集 就包含了GB2312，或者说和GB2312 兼容，GB_2312 字符集包含了 6763个的 简体汉字，和682 个标准中文符号。在这个标准中，每个汉字用2个字节来表示，每个字节的ascii码为 161-254 (16 进制A1 - FE)，第一个字节 对应于 区码的1-94 区，第二个字节 对应于位码的1-94 位。

　　161-254 其实很好记忆，大家知道英文字符中，可打印的字符范围为33-126。将 这对 数加上

　　128（或者说最高位置1），就得到汉字使用的字符的范围。

Windows系统自带的记事本，在存储的时候可以选择4种编码方式，它们分别是：ANSI、Unicode、Unicode big endian、UTF-8，那么他们之间有什么区别呢？

一、ANSI
注意这里的ANSI编码，并非ASCII编码，虽然它确实有点迷惑人。在简体中文系统下，ANSI编码代表的就是GB2312编码。对于一个ANSI文本，英文部分使用的就是ASCII编码，而中文部分使用的就是GB2312编码。
二、Unicode
Unicode是用2个字节表示全世界的符号，只要选择Unicode编码，所有的字符都会使用2个字节进行存储，英文字符也不例外，说到Unicode编码，一般默认指的是UTF-16/UCS-2, little endian这种实现。
三、Unicode big endian
Unicode big endian也是Unicode，只不过是另一种实现：UTF-16/UCS-2, big endian。
四、UTF-8
UTF-8也是一种Unicode实现，因为Unicode是对全世界的所有符号进行了独立的编码，也就是独一无二的，这个编码与实现无关，UTF-8只是在这种独立的编码上面进行了重新的编码，它是一种变长的格式，根据不同的编码，字符可能占用1～4个字节。比如ASCII字符占用1个字节，而汉字一般都占用3个字节。
下面让我们做个实验，假如我们使用这样一段文本，既包含英文字符又包含汉字，将其以上面的三种编码格式分别保存为1.txt、2.txt、3.txt、4.txt四个文件，然后使用UltraEdit以16进制形式打开，做一个比较对照。文本如下：

然后分别如上保存为4个文件。首先要对UltraEdit做一个设置，因为UltraEdit自动会对UTF-8文件识别，并且在读取的过程中将其转换为UTF-16/UCS-2, little endian，如果不做设置我们就无法真正的看到UTF-8文件了。设置如下，选择菜单栏的『高级』选项，进入『配置...』，跳出如下设置窗口：

就在常规标签页里面，我们将“自动检测UTF-8格式文件”前面的选中去掉，确认即可，这样UltraEdit就不会默认转换UTF-8文件了。
现在我们分别将4个文件用16进制形式打开。
1.txt(ANSI):

英文1个字节，汉字2个字节GB2312编码。
2.txt(Unicode):

我们看到Unicode是有前导符FF FE（位由低到高）的，每个字符都占有2个字节。
3.txt(Unicode big endian):

这种编码方式只是将高字节和低字节颠倒了一个位置，其它不变，每个字符仍然是占用2个字节，前导符为FE FF（位由低到高）。
4.txt(UTF-8):

可以看到UTF-8是使用的变长格式，英文字符占用的1个字节，例子里面的汉字都是占用3个字节，平均下来反而比上面两个要短点，UTF-8使用的前导符是EF BB BF（位由低到高）。
大家心里面些许应该有点清楚了吧。