字符集和编码

字符集和字符编码，字符集是一系列字符代码的集合，字符代码是特定字符在某个字符集中的序号，而字符编码是在传输、存储过程当中用于表示字符的以字节为单位的二进制序列。

ASCII编码系统中，字符代码和字符编码是一致的，比如字符A，在ASCII字符集中的序号，也就是所谓的字符代码是65，存储在磁盘中的二进制比特序列是01000001（0X41，十进制也是65），另外的，如在GB2312编码系统中字符代码和字符编码的值也是一致的，所以无形之中我们就忽略了二者的差异性。而在Unicode标准中字符的编码就包括多种方案，其中包括：UCS-2、UCS-4、UTF-8、UTF-16、UTF-32。

ASCII码

ASCII码全名是American Standard Code for Information Interchange， 叫做“美国信息交换标准码”。ASCII码中，一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间。ASCII码是目前最普及的一种字符编码，它扎根于我们的互联网，操作系统，键盘，打印机，文件字体和打印机等。ASCII码只适用于英文，使用其他语言需要对ASCII码扩展，这样就产生了ANSI码。

ANSI码(GB2312、GBK)

ANSI编码用0x00~0x7f （即十进制下的0到127）范围的1 个字节来表示 1 个英文字符，超出一个字节的 0x80~0xFFFF 范围来表示其他语言的其他字符。也就是说，ANSI码仅在前128（0-127）个与ASCII码相同，之后的字符全是某个国家语言的所有字符。值得注意的是，两个字节最多可以存储的字符数目是2的16次方，即65536个字符。这些使用多个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。

由于不同的国家和地区制定了不同的标准，由此产生了 GB2312、GBK、GB18030、Big5(台湾)、Shift_JIS(日本)、Euc-kr(韩国) 等各自的编码标准。其中GB2312：共收录了 6763 个常用的汉字和字符，满足99%的日常需求。GBK：由于有些汉字是在 GB2312 标准发布之后才简化的，GBK添加了一些人名、繁体字、日语和朝鲜语中的汉字等。GB18030：共收录七万多个汉字和字符， 它在 GBK 的基础上增加了中日韩语中的汉字 和 少数名族的文字及字符，完全兼容 GB2312，基本兼容 GBK。

不同 ANSI 编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字。为了解决不同国家ANSI编码的冲突问题，这样就产生了Unicode.

Unicode(UCS-2、UCS-4)

Unicode字符集和编码如果全世界每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是Unicode，就像它的名字都表示的，这是一种所有符号的编码。 Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。 但是问题在于，原本可以用一个字节存储的英文字母在Unicode里面必须存两个字节（规则就是在原来英文字母对应ASCII码前面补0），这就产生了浪费。为了既能消除乱码，又能避免浪费,这样就产生了UTF-8。

Unicode(UTF-8)

UTF-8可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度，当字符在ASCII码的范围时，就用一个字节表示，保留了ASCII字符一个字节的编码做为它的一部分，如此一来UTF-8编码也可以是为视为一种对ASCII码的拓展。值得注意的是unicode编码中一个中文字符占2个字节，而UTF-8一个中文字符占3个字节。从unicode到uft-8并不是直接的对应，而是要过一些算法和规则来转换。 在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。 用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。

跨平台兼容

如果文本中所有字符都在 ASCII 范围内，那么其实，记事本保存的所谓的「ANSI」文件，和 ASCII 或无 BOM 的 UTF-8 是一样的。但如果需要编辑跨平台兼容的本文不建议使用记事本，可以使用Notepad++ 等专业文本编辑器保存为不带 BOM 的 UTF-8。如果需要在编码之间的互相转换推荐使用Notepad++文本工具进行转换。