ANSI和UTF-8文本编码

近日由于公司SAP系统三合一，先前由SAP Download下来的文本文档，用VB程序处理（对齐的文本文档，按字段固定位置切割存入DB中），出现读取中文字乱码问题。。。仔细一检查，发现原先的文本编码是ANSI，而新系统的文本编码是UTF-8，VB读取UTF-8文本的中文字符时出现乱码，手动将编码格式转换成ANSI格式后，发现文本没有对齐，与SAP那边的人联系后，可以在SAP系统里更改，Download下来的文本文档为ANSI格式，但是对齐的问题依旧没有得到解决，无奈之下，只好改程序了（SAP产生文档——各字段用“|”区分，VB按“|”分割字段）。。。。

以下是转载：

ANSI和UTF-8文本编码的体积比较

语言设置指的是这里的charset，如简体中文是charset=gb2312，UTF-8是charset=utf-8；文本编码指的是文件的储存格式，我们新建的文本文件默认都是ANSI格式，所以不能含有如©、®这类字符。为了不让网页出现乱码，语言设置和文本编码应该相对应，简体中文的文本编码格式是gb2312，UTF-8文本编码格式是UTF-8。语言设置和文本编码对于任何客户端网页都适用，如.htm、.asp、.php、.jsp、.aspx的网页。

ANSI和UTF-8文本编码的体积，我这里做了一些实验，同一个字符重复N次，如下表：

字符	编码格式	重复次数	文件体积
英文、半角字符：
a	ANSI	100次	100 bytes
A	ANSI	100次	100 bytes
a	UTF-8	100次	103 bytes
a	UTF-8	1000次	1003 bytes
a	UTF-8	10000次	10003 bytes
汉字、全角字符：
好	ANSI	100次	200 bytes
あ	ANSI	100次	200 bytes
好	UTF-8	100次	303 bytes
®	UTF-8	100次	203 bytes
한	UTF-8	100次	303 bytes
好	UTF-8	1000次	3003 bytes
好	UTF-8	10000次	30003 bytes
Unicode编码格式：
a	Unicode	100次	202 bytes
好	Unicode	100次	202 bytes
®	Unicode	100次	202 bytes
한	Unicode	100次	202 bytes
한	Unicode	1000次	2002 bytes

总结：(以下的byte就是字节)

1、半角的字符，如英文、数字、半角符号，ANSI和UTF-8文本编码的体积比是1:1，UTF-8格式会多出3个byte。 2、中文字符，ANSI和UTF-8文件的体积比是1:2，UTF-8格式多出3个byte。 3、©、®这2个字符，在UTF-8格式下，与中文字符的体积一样。 4、韩文字符不能使用ANSI格式。韩文在UTF-8格式下，一个字符占用3个byte；韩文在Unicode格式下，一个字符占用2个byte； 5、Unicode码则比较折中，所有字符都占用2个byte。

总之，英文、数字、半角符号，在ANSI和UTF-8编码格式下都占用1个byte；中文，全角标点，在ANSI下占用2个byte，在UTF-8下占用3个byte。