编码基础概念:ANSI和unicode

原文链接：http://www.yanwushu.com/post/4.html

1. ANSI指American National Standards Institute（美国国家标准学会）。

2. ANSI编码不是一种具体的编码方式，而是一种指定在某些环境下使用某些编码方式的标准。比如，在中文环境中ANSI的编码标准为GBK，在日语环境中ANSI的编码标准则是Shift_JIS编码。

3. ASCII编码使用0×00~0x7F之间的每个字节表示一个字符，英语世界之外的其他国家对此字符集进行了扩展，除了ascii字符集之外，他们1个到4个字节来表示一个字符，形成了自己语言的编码方式，比如GBK, Big5、Shift_JIS等。

4. 中文环境下ansi编码对应的编码方式为GBK，GBK的编码规则为：

      a) 对于ascii字符集中的字符，使用ascii编码（也就是说gbk编码是兼容ascii编码的）；
   
      b) 非ascii字符使用GB标准。最早是GB2312，但是由于该标准收录的汉字数较少，后来就被GB18030取代。GB18030也在不断扩展，GB18030-2005收录了70244个汉字。本文不在叙述gbk的具体编码规则，简单来说该标准表达单个字符使用1字节、2字节、4字节这三种情况。
   

5. ASNI编码是不利于跨语言数据交流的，比如windows文件默认使用ANSI编码。那么，在中文windows下创建的文件，在日文windows下是无法正确解析的，因为日文windows下ANSI编码使用的是Shift_JIS编码。

6. 为了统一世界各种语言的编码，unicode编码被创造出来，需要注意的是unicode也不是一个具体的编码规则，在unicode标准下，有utf-8,utf-16等具体的实现。他们都对应不同的编码规则。

7. 在某个角度理解，ANSI编码是一种历史遗留，应该被淘汰，进而使用更加先进、方便的unicode编码。