【字符编码】 简洁理解ANSI,UTF8,Unicode,ASCII编码的差别

【字符编码】 简洁理解ANSI,UTF8,Unicode,ASCII编码的差别 
目录

1.  ASCII和ANSI编码

2. UNICODE

4.  UTF-8

参考

ASCII             1个字节=1个文字

ANSI               2个字节=1个文字

UNICODE      3个+字节=1个文字 -----压缩---->UTF-8

说明
1.  ASCII和ANSI编码
 ASCII:单字节内码 -- Single-Byte character sets (SBCS),能够支持256个字符编码.    #一个字节表示表示一个字符   如 A  只需一个字节
 ANSI:双字节内码 -- Double-Byte character sets)(DBCS),能够支持65000个字符编码.   #两个个字节表示表示一个字符 如 你 需要两个字节

2. UNICODE
ANSI 两个字节编码，只能表示 65535个字符，全世界的文字字符总和远超这个数（汉语就有５５０００多字符），为了能够容纳全世界全部语言文字的编码，发明了Unicode，每个字符有唯一的编码(数值),可以容纳100多万的字符，
所以需要 3或4个甚至更多字节来表示一个字符。

(参考:https://www.cnblogs.com/kingstarspe/p/ASCII.html)

一个字符就需要3个字节表示，对于英文这样一个只需1个字节就可以表示的，太浪费了，于是需要对UNICODE进行“压缩”编码，于是就有了UTF-8、UTF-16、UTF-32等编码。UTF8编码方式见后文.

4.  UTF-8
    这是为传输而设计的编码，其系列还有UTF-7和UTF-16
    当中UTF-16和Unicode编码大致一样, UTF-8就是以8位为单元对Unicode进行编码。从Unicode到UTF-8的编码方式例如以下：
Unicode编码(16进制) UTF-8 字节流(二进制)
0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx

总结： ASCII、ANSI、UNICODE 是字符编码，既给全世界每个字符分配一个数值（id），UTF8是传输编码，既将这些数值（id）按规则编码成字节数据。（对方收到UTF8数据后，反过来翻译回UNICODE 是字符编码，就可以显示对应的字符）

参考

UTF8编码方式：

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8的编码规则很简单，只有二条：

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

下表总结了编码规则，字母x表示可用编码的位。

    Unicode符号范围 | UTF-8编码方式
    (十六进制) | （二进制）
    --------------------+---------------------------------------------
    0000 0000-0000 007F | 0xxxxxxx
    0000 0080-0000 07FF | 110xxxxx 10xxxxxx
    0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
    0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

下面，还是以汉字"严"为例，演示如何实现UTF-8编码。

已知"严"的unicode是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800-0000 FFFF），因此"严"的UTF-8编码需要三个字节，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然后，从"严"的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，"严"的UTF-8编码是"11100100 10111000 10100101"，转换成十六进制就是E4B8A5。

1.  ASCII和ANSI编码
    字符内码(charcter code)指的是用来代表字符的内码.读者在输入和存储文档时都要使用内码,内码分为
    单字节内码 -- Single-Byte character sets (SBCS),能够支持256个字符编码.
    双字节内码 -- Double-Byte character sets)(DBCS),能够支持65000个字符编码.
前者即为ASCII编码，后者相应ANSI.
至于中文简体编码GB2312，实际上它是ＡＮＳＩ的一个代码页936

2. Un