字符编码之Ascll编码，ANSI编码，Unicode编码，UTF-8编码，BOM

从大一上C语言就开始认识了Ascll编码，ascll码也算是我们最早所接触的编码

【1】Ascll码

Ascll码由三部分组成：

第一部分从00H到1FH共32个，一般用来通信或作为开工至之用，有的可以显示在屏幕上，有的则无法再屏幕上显示。

第二部分从20H到7FH共96个，除了32H的空格之外，其余的95个字符用来表示阿拉伯数字，英文字母大小写和底线，括号等其他符号。这里需要记一下日常经常用到的：0是048号，A是065号，a是097号。

第三部分从80H到0FFH共128个字符，一般称为扩充字符，zhe128个字符是由IBM指定的，并非标准的ASCLL码，用来表示框线，音标和其它欧洲非英语系的字符。

接下来附上百度找的一张Ascll码表：

【2】ANSI

首先要说的是在不同的系统下ANSI表示不同的编码值。为什么呢？

因为不同的国家和地区对ANCI编码指定了不同的标准，由此产生了比如GB2312,GBK,Big5,shift_jis等不同的编码标准，称这些使用1至4个字节来代表一个字符的各种字符延伸的编码方式为ANSI编码。而这些ANSI码之间是互不兼容的，因此会导致不同语言的文本中会出现乱码。

ANSI编码用的是0x00~0x7f范围的1个字节来表示一个英文字符，也就是说ANSI码仅在前126个与ASCLL码相同（所以ANSI可以理解为是Ascll码的一种扩展），其他超出此范围的0x80~0xFFFF用多个字节来表示一个字符，用来表示其他语言的其他字符（要表示不同国家那么多语言，这些编码肯定是不足够的，因此只能表示一部分）.

如果你要解码一份文件（如果是ANSI编码文件的话），不仅要知道它是ANSI编码，还要知道它是哪个国家的，才能解码。

记事本默认以ANCI编码保存文本文档。（记事本有四种编码方式：UTF-8,ANSI,Unicode,Unicode big endian）

【3】Unicode（万国码）

由此，为了解决不同语言的编码乱码问题，出现了Unicode（UCS）.

所以说Unicode是在ANSI之后出现的由国际组织设计，可以容纳全世界所有的语音文字的编码方案。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，来实现不同语言，不同国家直接对字符的转换和处理。

Unicode通常用两个字节来表示一个字符，（生僻字可能会用四个字节）原来ANSI里用一个字节来表示英文编码在Unicode里变成了用两个字节编码。

Unicode编码的缺点就是浪费空间，比如在ANSI前英文字符集里只用一个字节就可以表示，可是在Unicode编码中就需要用两个字节，造成了空间浪费（高字节位补0）

【4】UTF-8

那Unicode编码也有缺点，这可如何是好？此时UTF-8编码就产生啦！！！

UTF-8编码最大的特点就是可变长编码：它根据不同的字符来改变字节长度，比如ascll码范围时用一个字节表示（保留了ascll码的编码方式），Unicode中中文字符占两个字节，而在UTF-8中占3个字节，而且Unicode和UTF-8之间需要通过一系列的算法和规则来进行转换并非直接转换。

计算机内存中统一使用Unicode编码

数据传输的时候使用的是UTF-8编码方式

文件存储的时候由UTF-8转成Unicode编码放入内存，读取时有Unicode再转成UTF-8

网页使用的统一编码UTF-8编码

在这个时候小北同学就很好奇了，那如何解析一个中文文本文件嘞？中文那么多编码格式，计算机如何判断它用的是哪种编码方式写的嘞？

这个时候我发现了一个好东东！！！哈哈哈哈哈哈哈哈嗝

BOM，BOM就是byte order Mark ，一般呢为了方便解析中文文件，它的文件头都会加一个编码格式标识就是BOM，不同的编码方式对应的BOM是不同的。

比如：UTF-8是0xEF BB BF

UTF-16(BE)：0xFE FF

UTF-16(LE)：0xFF FE

上面的BE和LE表示它存储的时候用的是大端或者小端模式，指的是CPU处理多字节数的不同方式。