ANSI和UTF-8文本编码的体积比较

ANSI和UTF-8文本编码的体积比较

语言设置指的是<meta>这里的charset，如简体中文是charset=gb2312，UTF-8是charset=utf-8；文本编码指的是文件的储存格式，我们新建的文本文件默认都是ANSI格式，所以不能含有如©、®这类字符。为了不让网页出现乱码，语言设置和文本编码应该相对应，简体中文的文本编码格式是gb2312，UTF-8文本编码格式是UTF-8。语言设置和文本编码对于任何客户端网页都适用，如.htm、.asp、.php、.jsp、.aspx的网页。

 

ANSI和UTF-8文本编码的体积，我这里做了一些实验，同一个字符重复N次，均去掉了Unicode签名(BOM)，如下表：

字符	编码格式	重复次数	文件体积
英文、半角字符：
a	ANSI	100次	100 bytes
A	ANSI	100次	100 bytes
a	UTF-8	100次	100 bytes
a	UTF-8	1000次	1000 bytes
a	UTF-8	10000次	10000 bytes
汉字、全角字符：
好	ANSI	100次	200 bytes
あ	ANSI	100次	200 bytes
好	UTF-8	100次	300 bytes
®	UTF-8	100次	200 bytes
한	UTF-8	100次	300 bytes
好	UTF-8	1000次	3000 bytes
好	UTF-8	10000次	30000 bytes
Unicode编码格式：
a	Unicode	100次	200 bytes
好	Unicode	100次	200 bytes
®	Unicode	100次	200 bytes
한	Unicode	100次	200 bytes
한	Unicode	1000次	2000 bytes

总结：(以下的byte就是字节)

1、半角的字符，如英文、数字、半角符号，ANSI和UTF-8文本编码的体积比是1:1，UTF-8格式会多出3个byte。
2、中文字符，ANSI和UTF-8文件的体积比是1:2，UTF-8格式多出3个byte。
3、©、®这2个字符，在UTF-8格式下，与中文字符的体积一样。
4、韩文字符不能使用ANSI格式。韩文在UTF-8格式下，一个字符占用3个byte；韩文在Unicode格式下，一个字符占用2个byte；
5、Unicode码则比较折中，所有字符都占用2个byte。

总之，英文、数字、半角符号，在ANSI和UTF-8编码格式下都占用1个byte；中文，全角标点，在ANSI下占用2个byte，在UTF-8下占用3个byte。