ANSI与Unicode字符编码简介

ANSI （American National Standards Institute）字符集：

ASCII字符集+MBCS(Multi-Byte Character System)字符集，如GB2312。

写道

ASCII : 最初，ANSI只包括一种字符集(ASCII-American Standard Code for Information Interchange)。ASCII码使用7bit表示一个字符，共128个字符。之后IBM在此基础上做了扩展，用8bit表示1个字符，共256个 字符，称为ISO-8859-1字符集

MBCS : 为使计算机支持更多语言，这些派生的字符集通常使用 0x80~0xFF 范围的 2 个字节来表示 1 个字符. 汉字 '中' 在中文操作系统(使用ANSI编码)中，使用 [0xD6,0xD0] 这两个字节存储。在简体中文系统下，MBCS编码代表 GB2312 编码，在繁体中文系统中，MBCS编码代表BIG5，日文操作系统下，MBCS 编码代表 JIS 编码。

 

Unicode: 由于ANSI字符集在不同语言环境下的不统一，导致字符集太多，国际交流中也需要进行字符集转换，带来很大不便。于是出现了unicode字符集。该字符 集使用16bit代表一个字符，可表示65536个字符。使用Unicode字符集时，方法strlen对一个中文字符执行的结果是1。为了在网络上传输 unicode字符，Unicode可以有多种编码方式，如UTF-16, UTF-8, UTF-32等

写道

UTF-16 : 标准的Unicode称为UTF-16(UCS Transformation System)。这种编码方式由于采用两个字节表示一个字符，所以与ASCII码不兼容

UTF-8 : 为了双字节的unicode可在单字节系统正确传输，出现了UTF-8。通过UTF-8编码的字节长短不同，0-127范围内的字符被编成1个字节，0080-07ff的字符被编成2个字节，0800-ffff的字符被编成3个字节...

 
一共有三类编码:

• ANSI(ISO-8859-1,GBK,GB2312,BIG5等)

• UCS(UCS2,UCS4)

• UTF(UTF7 UTF8 UTF16)

其 中 所有的编码都可以转成UCS,UTF是UCS为了节省空间的一种存储方式(使用huffman编码的理论的变长编码,如果全部都是e文的话可以有效地压缩 成UTF8,如果是中文编码成UTF8反而会浪费空间)。ANSI各个编码之间不存在抓换关系只存在极少数的对应关系(比如每个ANSI编码都必须包含英 文，又比如简体字与繁体字之间的对应关系使GBK和BIG5之间的某些编码存在对应关系，这种关系是无规律的)。

ISO-8859-1 和GB2312是不能直接转的。他们都属于ANSI编码。