常见字符编码精解

曾几何时，多次研究过字符编码的问题，每次都是了解到大部分，以至于出现新的编码问题时还不得不去重新寻找资料。在这里我重新完整的整理一遍，简明扼要，分享出来也方便日后查看。

1.常见的字符编码，按照轻到重介绍

1-1.ASCII

最基本的编码，西文字符集的国际标准，有7位（128标准字符）和8位（128标准字符+128扩充字符）两种。

1-2.GB2312

GB开头的都是国标码，也就是中国制定的编码。简体中文字符集，2字节（16位）存储，7000多个简体汉字字符。

1-3.GBK

对GB2312的扩展，完全兼容GB2312，多加了繁体字，2字节（16位）存储，20000多个汉字字符。

1-4.GB18030

对GBK的扩展，良好兼容GBK和GB2312，多加了少数名族文字，变长编码，有1、2、4字节的。

1-5.ISO-8859-1

国际标准化组织制定的，又称Latin-1或西欧语言，当然还有ISO-8859-2（Latin-2或叫中欧语言）。。。。。。单字节（8位），不支持中文。这下知道为什 么eclipse的properties文件默认ISO-8859-1不能保存中文了吧，都要设置成GBK或者UTF-8才行。

1-6.ANSI

这个最诡异了，不同国家和地区编码有不同标准，在英文操作系统下代表ASCII，在简体中文操作系统下代表GB2312，在日文操作系统下代表JIS。。。。。。可 以理解为本地编码，或者严格来说不算是编码，是个代号。存储单元嘛当然是变动的了，理解为指向某种编码的指针也可以。

1-7.UNICODE

这个编码是真正的实现了世界字符的一统。固定长度（4字节，在某个国际标准下，某个国际标准是2字节），世界上每一种字符都对应着一个Unicode编码。弊端也显而易 见，存储单字节的英文浪费空间，效率不高。有时候我们看到一些编辑器转码后产生\ua2b3\u43ab就是转换成Unicode的方式表示，\u是声明16进制的意思，后面跟 上4个16进制的数，如a2b3。做web国际化时候这个没少解除吧。

1-8.UTF-8

简单说，就是为了解决UNICODE的弊端出现了可变长度的UTF-8。

2.各种操作系统默认编码

先声明，部分操作系统是可以更改系统编码的，如Linux。这里列举的是最常规的情况。

Linux------UTF-8（你喜欢装中文版自己面壁去）

P-Windows3.2和苹果OS就是以GB2312为基本汉字编码

Windows 95/98以及以上则以GBK为基本汉字编码，记得cmd下使用mysql必须执行的set names gbk么

3.关于回车换行（\r\n）

这个还是挺让人疑惑的。

\r代表回车，就是把光标移动到行首

\n代表换行，就是光标移动到下一行

也许你钻牛角尖，换行不就行了，为什么还要回车？早起的OS很傻，你要是换行不回车，光标往下移动一行，但是不会置于行首。这个OS主要就是指WINDOWS，所以 在WINDOWS里面这个传统延续到今天。当然，不同的OS有不同的表现，有映象看过一份材料，如果你要真正“换行”，如下：

WINDOWS--------\r\n（回车换行）

LINUX--------------\n（只有换行，没有回车）

MAC OS X---------\r（只有回车，没有换行）

MAC OS X应该不叫IOS吧？高手指点咯

以上细微区别在用vim处理文本的时候要特别小心，尤其是使用了正则表达式。