编码格式(ANSI,UNICDOE,UTF8,BOM)

编码格式简介

ANSI:16384个字符。这就是ANSI字符标准。英文一个字节，中文两个字节

对于ANSI，不同的国家和地区制定了不同的标准，由此产生了GB2312（简体中文），BIG5（繁体中文），JIS（日文）等各自的编码标准。但不同的ANSI编码在不同语言之间是不兼容的，所以对于不同的操作系统之间文件的传输，或者在同样的操作系统下，源文件语言不同于OS的语言文件的传输，需要转换成UT8格式。

<wbr></wbr>

UNICODE： 使用两个字节对世界上几乎所有的语言进行编码（0x0000－0xFFFF），65536个字符，每种语言的代码段不同，两个字节(英文、中文都是两个字节)所表达的字符是唯一的，所以不同语种可以共存于文本中，解决国际化的问题

<wbr></wbr>

Unicode有两套标准，一套叫UCS-2(Unicode-16)，用2个字节为字符编码，另一套叫UCS-4(Unicode-32)，用4个字节为字符编码。

<wbr></wbr>

UTF8是Unicode一种压缩形式，英文A在unicode中表示为0x0041，老外觉得这种存储方式太浪费，因为浪费了50%的空间，于是就把英文压缩成1个字节，成了utf8编码，但是汉字在utf8中占3个字节，显然用做中文不如 ansi合算，这就是中国的网页用作ansi编码而老外的网页常用utf8的原因。

关于BOM

<wbr><wbr><wbr><wbr><wbr><wbr><a name="_Toc344107574">BOM</a>（Byte Order Mark）是一个字符（本义为"ZERO WIDTH NO-BREAK</wbr></wbr></wbr></wbr></wbr></wbr>

SPACE"），它表明UNICODE文本的UTF-16,UTF-32的编码字节顺序（高字节低字节顺序）和编码方式（UTF-8,UTF-16,UTF-32，其中UTF-8编码是字节顺序无关的）。

<wbr></wbr>

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，就表明这个字节流是Little-Endian的。

<wbr></wbr>

UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。

如果接收者收到以EF BB BF开头的字节流，就是UTF-8编码。

<wbr></wbr>

UTF-8 no BOM 格式，没有带bom字符头。

<wbr></wbr>