Unicode、UTF、ASCII、ANSI 格式差异

Question

Unicode、UTF8、UTF7、UTF16、UTF32、ASCII 和 ANSI 编码之间有什么区别？

这些对程序员有什么帮助？

Answer 1

从你的名单开始：

• "Unicode" 不是编码，但不幸的是，许多文档不精确地使用它来引用特定系统默认使用的任何 Unicode 编码。在 Windows 和 Java 上，这通常意味着 UTF-16；在许多其他地方，它意味着 UTF-8。正确地说，Unicode 指的是抽象字符集本身，而不是任何特定的编码。
• UTF-16：每个“代码单元”2 个字节。这是 .NET 中字符串的本机格式，通常在 Windows 和 Java 中。 Basic Multilingual Plane (BMP) 之外的值被编码为代理对。这些过去相对很少使用，但现在许多消费者应用程序需要注意非 BMP 字符才能支持表情符号。
• UTF-8：可变长度编码，每个代码点 1-4 个字节。 ASCII 值使用 1 个字节编码为 ASCII。
• UTF-7：通常用于邮件编码。如果你认为你需要它并且你没有做邮件，那么你就错了。 （这只是我在新闻组等中发帖的经验——在邮件之外，它实际上并没有被广泛使用。）
• UTF-32：固定宽度编码，每个代码点使用 4 个字节。这不是很有效，但使 BMP 之外的生活更轻松。我有一个 .NET Utf32String 类作为我的 MiscUtil 库的一部分，如果你想要的话。 （请注意，它没有经过非常彻底的测试。）
• ASCII：仅使用低 7 位进行单字节编码。 （Unicode 代码点 0-127。）没有重音符号等。
• ANSI：没有固定的 ANSI 编码 - 有很多。通常当人们说“ANSI”时，他们的意思是“我系统的默认语言环境/代码页”，它是通过Encoding.Default 获得的，通常是Windows-1252，但也可以是其他语言环境。

关于my Unicode page 和tips for debugging Unicode problems 的更多信息。

另一个重要的代码资源是unicode.org，它包含的信息比你能够通过自己的方式处理的更多——可能最有用的部分是code charts。

Answer 2

一些读物可以帮助您开始学习字符编码：Joel on Software: The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)

顺便说一句 - ASP.NET 与它无关。编码是通用的。