編碼方式

 

ASCII（American Standard Code for Information Interchange，美國信息互換標準代碼）是基於拉丁字母的一套電腦編碼系統。它主要用於顯示現代英語和其他西歐語言。它是現今最通用的單字節編碼系統，並等同於國際標準ISO/IEC 646。

ASCII 碼使用指定的7 位或8 位二進制數組合來表示128 或256 種可能的字符。標準ASCII 碼也叫基礎ASCII碼，使用7 位二進制數來表示所有的大寫和小寫字母，數字0 到9、標點符號， 以及在美式英語中使用的特殊控制字符。其中：

　　0～31及127(共33個)是控制字符或通信專用字符（其餘爲可顯示字符），如控制符：LF（換行）、CR（回車）、FF（換頁）、DEL（刪除）、BS（退格)、BEL（振鈴）等；通信專用字符：SOH（文頭）、EOT（文尾）、ACK（確認）等；ASCII值爲8、9、10 和13 分別轉換爲退格、製表、換行和回車字符。它們並沒有特定的圖形顯示，但會依不同的應用程序，而對文本顯示有不同的影響。

　　32～126(共95個)是字符(32sp是空格），其中48～57爲0到9十個阿拉伯數字

　　65～90爲26個大寫英文字母，97～122號爲26個小寫英文字母，其餘爲一些標點符號、運算符號等。

　　同時還要注意，在標準ASCII中，其最高位(b7)用作奇偶校驗位。所謂奇偶校驗，是指在代碼傳送過程中用來檢驗是否出現錯誤的一種方法，一般分奇校驗和偶校驗兩種。奇校驗規定：正確的代碼一個字節中1的個數必須是奇數，若非奇數，則在最高位b7添1；偶校驗規定：正確的代碼一個字節中1的個數必須是偶數，若非偶數，則在最高位b7添1。

　　後128個稱爲擴展ASCII碼，目前許多基於x86的系統都支持使用擴展（或“高”）ASCII。擴展ASCII 碼允許將每個字符的第8 位用於確定附加的128 個特殊符號字符、外來語字母和圖形符號。

擴展ASCII 字符是從128 到255（0x7f-0xff）的字符。

漢字編碼　　0-127 是 7位ASCII 碼的範圍，是國際標準。

　　至於漢字，不同的字符集用的ascii 碼的範圍也不一樣，常用的漢字字符集有GB2312-80,GBK,

　　Big5,unicode 等。下面我重點說一說最常用的GB_2312 的字符集。

　　GB_2312 字符集是目前最常用的漢字編碼標準，windows 95/98/2000 中使用的 GBK字符集 就包含了GB2312，或者說和GB2312 兼容，GB_2312 字符集包含了 6763個的 簡體漢字，和682 個標準中文符號。在這個標準中，每個漢字用2個字節來表示，每個字節的ascii碼爲 161-254 (16 進制A1 - FE)，第一個字節 對應於 區碼的1-94 區，第二個字節 對應於位碼的1-94 位。

　　161-254 其實很好記憶，大家知道英文字符中，可打印的字符範圍爲33-126。將 這對 數加上

　　128（或者說最高位置1），就得到漢字使用的字符的範圍。

Windows系統自帶的記事本，在存儲的時候可以選擇4種編碼方式，它們分別是：ANSI、Unicode、Unicode big endian、UTF-8，那麼他們之間有什麼區別呢？

一、ANSI
注意這裏的ANSI編碼，並非ASCII編碼，雖然它確實有點迷惑人。在簡體中文系統下，ANSI編碼代表的就是GB2312編碼。對於一個ANSI文本，英文部分使用的就是ASCII編碼，而中文部分使用的就是GB2312編碼。
二、Unicode
Unicode是用2個字節表示全世界的符號，只要選擇Unicode編碼，所有的字符都會使用2個字節進行存儲，英文字符也不例外，說到Unicode編碼，一般默認指的是UTF-16/UCS-2, little endian這種實現。
三、Unicode big endian
Unicode big endian也是Unicode，只不過是另一種實現：UTF-16/UCS-2, big endian。
四、UTF-8
UTF-8也是一種Unicode實現，因爲Unicode是對全世界的所有符號進行了獨立的編碼，也就是獨一無二的，這個編碼與實現無關，UTF-8只是在這種獨立的編碼上面進行了重新的編碼，它是一種變長的格式，根據不同的編碼，字符可能佔用1～4個字節。比如ASCII字符佔用1個字節，而漢字一般都佔用3個字節。
下面讓我們做個實驗，假如我們使用這樣一段文本，既包含英文字符又包含漢字，將其以上面的三種編碼格式分別保存爲1.txt、2.txt、3.txt、4.txt四個文件，然後使用UltraEdit以16進制形式打開，做一個比較對照。文本如下：

然後分別如上保存爲4個文件。首先要對UltraEdit做一個設置，因爲UltraEdit自動會對UTF-8文件識別，並且在讀取的過程中將其轉換爲UTF-16/UCS-2, little endian，如果不做設置我們就無法真正的看到UTF-8文件了。設置如下，選擇菜單欄的『高級』選項，進入『配置...』，跳出如下設置窗口：

就在常規標籤頁裏面，我們將“自動檢測UTF-8格式文件”前面的選中去掉，確認即可，這樣UltraEdit就不會默認轉換UTF-8文件了。
現在我們分別將4個文件用16進制形式打開。
1.txt(ANSI):

英文1個字節，漢字2個字節GB2312編碼。
2.txt(Unicode):

我們看到Unicode是有前導符FF FE（位由低到高）的，每個字符都佔有2個字節。
3.txt(Unicode big endian):

這種編碼方式只是將高字節和低字節顛倒了一個位置，其它不變，每個字符仍然是佔用2個字節，前導符爲FE FF（位由低到高）。
4.txt(UTF-8):

可以看到UTF-8是使用的變長格式，英文字符佔用的1個字節，例子裏面的漢字都是佔用3個字節，平均下來反而比上面兩個要短點，UTF-8使用的前導符是EF BB BF（位由低到高）。
大家心裏面些許應該有點清楚了吧。