Unicode、UCS-2、Utf-8、ANSI

方便记忆

参考文章

http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html

ASCII码：

一个字节表示，最多有256种状态，其中，128种被编码成英文等常用字符。这对于英语国家是完全够使的，但对于其他国家，比如中国，常用汉字就有十万种，很明显是不够用的。为了解决这个问题，就必须对ASCII码进行扩展。但不同国家所拥有的符号都不一样，怎么把这个统一起来呢？

Unicode码：

首先需要搞清楚的是Unicode只是一个字符集，里面包含有世界各地的符号，每个符号被映射成为一个数字。Unicode只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

比如汉字的严字，在Unicode编码中是Hex:25 4e。占了十五位，至少用两个字节存储。其他更大的数字需要三到四个字节存储。这样就会有以下解决方案。

1、统一用四个字节存储。utf-32这样的坏处也可想而知，平常汉语加英文最多俩字节就可以了，如果用四个存储，空间整整多了一倍，会造成极大的资源浪费。

2、可变长存储。utf-8存储方式。开头ef-bb-bf代表utf-8存储方式。如果单字节存储，开头为0，后面七位为这个符号的Unicode编码。大于1字节存储的符号，开头为n个1，第n+1位为0。后面连n-1个字节开头都为10。剩下的位为unicode-big-endian编码的码数。左靠齐的。

3、码数范围内特殊的存储方式。UCS-2

在码数不超过0x ffff的范围内，可以用二字节存储unicode码，这时候有两种存储方式，一种小头在后，little-endian（Unicode)，一种大头在后big-endian编码。统一用两子节编码。

 

编码方式	ASCII	unicode	unicode-big-endian	utf-8	ANSI
含义	英文字母和常用符号编码	小头在后unicode二字节码数范围内unicode编码	大头在后unicode二字节码数范围内unicode编码	所有unicode码数范围内编码	系统默认编码方式。简体中文环境下GB2312，英文ASCII码。
是否适用于unicode	是	是	是	是	不是
码数范围	英文+常用符号	[0,0xffff]	[0,0xffff]	所有unicode码	英文字符+中文
每个字符所占字节数是否相同	相同	相同	相同	不相同	不相同

 

实例：

“严”字：

ANSI编码：

Unicode编码：

Unicode-big-endian编码：

Utf-8编码：

可以看出来ANSI编码方式在有简体中文的情况下默认采用GB2312的编码方式，繁体中文会采用big5编码。

中英文混编的情况下“yan严”：

ANSI编码： 英文ASCII码，中文GB2312

Unicode编码：

Unicode-big-endian编码：

Utf-8编码：