常见各种编码格式

一.ANSI

1. 这里，我将ANSI作为一个大项。根据我自己的理解，ANSI并不是一种具体的编码，而是一种字符代码。比如：ASCII、GB2312、GBK、GB18030等都属于ANSI的范畴。不过这样说也不准确，根据我查阅的资料来看，ASCII是早于ANSI的，所以只能说ANSI是兼容ASCII的，而不能说ASCII是根据ANSI编码所得。

2. ASCII，他的全称为American Standard Code for Information Interchange，美国信息交换标准代码。要知道，一个字节为8位，而8位最多可以组合256种不同的状态，用来保存英文、数字、符号完全够用了，而事实上，ASCII只用了前128个字符。但是后来除了美国，其他的一些国家也使用了计算机，但是他们的文字并非都是这些字母，所以又使用了后面的128位，又叫：”扩展字符集“。

3. MBCS：就目前我查阅的资料来看，MBCS是一种统称，许多汉字的编码都属于MBCS，比如GB2312、GBK、GB18030等。因为无论ASCII编码如何扩展，也满足不了中文，中文的字数太庞大了。MBCS支持中英文混用，英文的话就和ASCII一样，中文的话就占2个字节，GB2312的字数最少，其规定必须2个字节都大于127才表示一个汉字；其次是GBK，其规定只要第一个字节大于127就可以了；最后是GB18030，具体编码不清楚，好像不止2个字节，但应该是兼容GBK的，字数比前面2个要多的多。

4. 现在，再来看ANSI，叫美国国家标准协会，顾名思义是用来定义世界编码方式的，不像ASCII，当初创建的时候只是想给美国人自己用而已。ANSI的规则是，ASCII不能动，也就是说所有的ANSI标准都是兼容英文的，比如中文的GBK编码就可以实现中文和英文混用。但是，每个国家自己的文字编码就各不相同了，比如中文的ANSI编码和日本的ANSI编码就完全不同，所以无法实现中文和日文的混用。另外，只要你的编码被ANSI认可，以后世界上任何地方只要使用中文，就必须用中国的这一套编码方案。

二.Unicode

1. 根据网上查询的资料来看，有的说Unicode是一种符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储，并不是一种编码方式。但是我们常用的TXT文档中，明显就有一种Unicode编码格式，这是为什么呢？

2. 从我目前查阅的资料来看，Unicode确实是一种符号集，可以简写为UCS（Unicode Character Set）。但是，Unicode也是有他自己的编码格式的，比如UCS-2就是用两个字节编码、UCS-4用4个字节编码。那么，TXT文档中的Unicode是什么呢？其实就是UCS-2，并且是小端模式。

   当然，以上都是我查阅资料所获取的，如果不对，麻烦告知。

3. 所以，Unicode将全世界所有的文字等都进行了统一的编码，这样就不会有ANSI的兼容问题。

4. 但是Unicode一直得不到推广。因为英文只占一个字节，但是在Unicode却要占2个字节，有很大的浪费；另外，又如何去区分Unicode和ANSII呢，计算机如何知道3个字节到底是一个字符，还是3个字符呢？

5. 直到互联网的出现，推动了Unicode的推广。因为，互联网拉近了人和人之间的距离。那么如果用ANSI的话，编码格式太乱了。而UTF标准就出现了，其中UTF-8就是在互联网上使用最广的一种unicode的实现方式，因为他是变长的，所以极大的节省了空间，这种为传输而出现的编码格式，使得全世界的编码方式统一，非常的便利。

   这里记录下：java是双字节编码，采用的是UTF-16BE,中文占2个字节，英文占2个字节

三.URL编码

1. url编码是一种浏览器用来打包表单输入的格式，其基本格式为"key=value"这种键值对的，如果要传多个参数就需要用“&”符号对键值对进行分割。

2. URL编码其实使用的是ascii码的16进制，所以，URL中只能有英文、数字还有一些特殊字符。

3. 那我们在访问网址的时候，有时候确实后面的参数有中文。这时候，就使用了encode编码，将中文写成%XX的格式，然后再通过decode还原成中文。当然，不仅仅是中文，许多字符等都是这样操作的。具体的可以自行百度。

4. 那么这些中文，是使用的什么编码方式转变为%xxx的形式呢？肯定不是ASCII，因为他压根不认识中文。从我网上查询的资料来看，貌似UTF-8占多数，但好像也有GB2312这种编码方式。

四.一个经典的问题：TXT显示联通乱码

1. 新建一个文本文档，在里面输入“联通”2个字。

   

2. 然后关闭文档，重新打开，发现变成乱码了

   

3. 这是为什么呢？我们再写一个TXT文档，写入你好，重新打开文档后，发现是可以正确显示的，我们看一下他的编码方式。通过“另存为”，可以发现编码方式为ANSI

   

4. 在看一下刚才写的联通，发现编码方式为UTF-8，此时隐约可以知道，应该是编码导致的。

   

5. 这里说一个概念：首先，计算机只认识0和1，所以任何字符等在计算机里，都是以二进制的形式存储的，也就是字节的形式存储。那么，当计算机中的字节序列是以某种编码格式存放的，想要将这些字节序列重新变成人所认识的字符串，也需要使用这种编码格式，否则会出现乱码。

6. 那么，刚才那个TXT文本，其实就是文本文件。文本文件在计算机中存储的就是字节序列。如果我们直接在中文的电脑上创建一个文本文件，那么这个文本文件只认识ANSI编码，（这句话并不是指文本文件只认识ANSI编码，其实你可以将各种的编码格式的字节存放进去，但在中文机器上直接创建，就有其特殊性）。而联通这两个字巧了，刚好符合UTF-8的编码格式，所以就当做UTF-8存储了，但重新将字节转换为字符串的时候，是以ANSI格式转换的，肯定是乱码。

7. 现在，你再试一下，在联通的后面加入任意的字，比如联通哈哈。那么，哈哈2个字和UTF-8的编码格式不一样的，所以仍然会作为ANSI格式存储，就不会有问题了。