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。