文本文件也有編碼？卻實如此。什麼是編碼呢？編碼是指不同國家的語言在計算機中的一種存儲和解釋規範，如，我們常說的ANSI是一種存儲方式，ASCII是一種解釋規範。
最初，Internet上只有一種字符集——ANSI的ASCII字符集(American Standard Code for Information Interchange，“美國信息交換標準碼），它使用7 bits來表示一個字符，總共能表示128個字符，後來IBM公司在此基礎上進行了擴展，用8bit來表示一個字符，總共可以表示256個字符，充分利用了一個字節所能表達的最大信息。後來派生了，的字符集，如：UTF-8，Unicode等等，正式的名稱爲MBCS（Multi-Byte Chactacter System，多字節字符系統），通常也稱爲ANSI字符集。
UNICODE與UTF-8，由於每種語言都制定了自己的字符集，導致最後存在的各種字符集實在太多，在國際交流中要經常轉換字符集非常不便。因此，產生了Unicode字符集，它固定使用16 bits（兩個字節）來表示一個字符，共可以表示65536個字符，標準的Unicode稱爲UTF-16(UTF:UCS Transformation Format )。後來爲了雙字節的Unicode能夠在現存的處理單字節的系統上正確傳輸，出現了UTF-8，使用類似MBCS的方式對Unicode進行編碼。(Unicode字符集有多種編碼形式)，例如“連通”兩個字的Unicode標準編碼UTF-16 (big endian）爲：DE 8F1A 90，而其UTF-8編碼爲：E8 BF 9E E9 80 9A，就是說，UTF-8編碼中，一個字符佔三個字節。
因此，爲了標示每種編碼格式，在文件頭用特殊字節表示每種編碼，當一個軟件打開一個文本時，要做的第一件事是檢測文件頭標識，確定這個文本是使用哪種字符集的哪種編碼保存的。下表爲幾種文本編碼的文件頭標識：
|
編碼格式
|
文件頭
|
|
ANSI |
無 |
|
UTF-8 |
EF BB BF |
|
Unicode(little endian) |
FE FF |
|
Unicode(big endian) |
FF FE |
在實際開發應用中，我們處理文本類型的文件，如：jsp、aspx、php、js等等程序源文件時，要注意文件保存時的編碼，如果用不同的開發工具，可能保存的格式會各不相同。如在VS2005開發環境裏，當改變 aspx 文件中 head區裏的
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
字符集設置（如把 gb2312 改成 utf-8），在保存時，VS2005會自作聰明的改變你的文件的編碼格式。當用不能正確識別文本編碼格式的其它開發工具（如firework）打開時，就會出現亂碼，因爲不能正確識別文本文件編碼的工具在打開時仍然按 ANSI字符格式顯示。這樣就會導致問題的出現。
在Windows98以下的操作系統，默認是按ANSI格式處理的，其操作系統自帶的記事本沒有識別文本文件編碼的功能，如果打開了一個Unicode編碼的文本文件，將會出現亂碼。而Windows2000以上的操作系統默認是按Unicode格式處理的，而且操作系統自帶的記事本能夠正確識別不同格式的文件文件，打開時都會顯示正常。有一點要注意：在Windows2000以上的操作系統中，就算是文本文件格式是ANSI的，操作系統處理時也要先轉爲Unicode格式再處理。所以，建議大家在Windows2000以上的操作系統中處理文本文件時，按Unicode格式保存，這樣，可節省操作系統識別及轉換的時間。
我搞了一個小工具軟件，用於識別文本文件是什麼編碼格式的，以及可以批量轉換指定目錄下指定後綴文件的編碼，下載地址：http://download.csdn.net/source/408426/ 內含全部源碼（Delphi7）及可執行程序，歡迎大家使用。