ANSI、GBK、Unicode编码简介

ANSI编码表：

DOS与ANSI分布图：

各种编码依次产生简介：

ANSII码：英文码+英文常用图形，一个字符占用一个字节。
GB2312（1980年，中国大陆，最早国标码）：即中文ANSII码，中文码占用了0x80~0xFF，收录汉字6763个，汉字图形682个。ASII有94个区，每个区94位，每个区位放一个字符。一个字节只能表示256个字符，不够用，因此要用两个字节，最多能表示65536个字符。
GBK（1995年，中国大陆，国标扩展码，基于GB2312）：占用8140 ~FEFE。因为GB2312缺少生僻，增补汉字8160个字。
GB18030（基于GBK的扩展码）：本来觉得GBK已经够了，不知道哪个货拿出了《康熙字典》，悲剧，又不够了，继续扩展。
台湾有BIG5码，日韩也跟着添乱。中日韩台港文字出现在一起时，没招了……
终于，Unicode编码出来了，把地球上所有的语言的符号，都用统一的字符集来表示，一个编码真正做到了唯一。

但是Windows又出来裹乱，在UTF-8码上又加了BOM，导致Linux下不能识别。但是Python可以做兼容。

BOM：Byte Order Mark，字节顺序标记。会在文件开始的地方插入三个不可见的字符（0xEF 0xBB 0xBF，即BOM）。

Unicode里有几种方式：

UTF-16BE/LE：UTF-16 LE就是Windows模式的编码模式，用2个字节表示任意字符，注意：英文字符也占2个字节（变态不？），这种编码可以表示65536个字符，至于LE和BE，就是一个数值在内存/磁盘上的保存方式，比如一个编码0x8182，在磁盘上应该是0x81 0x82呢？还是0x82 0x81呢？就是高位是最先保存还是最后保存的问题，前者为BE（大端），后者为LE（小端）。
UTF-8：UTF-8则是网页比较流行的一种格式，用一个字节表示英文字符，用3个字节表示汉字，准确的说，UTF-8是用二进制编码的前缀，如果某个UTF-8的编码的第一个字节的最高二进制位是0，则这个编码占1字节，如果是110，则占2字节，如果是1110，则占3字节……

关于字符集（character set）和编码（encoding），比较容易有些混淆。

对于 ASCII、GB 2312、Big5、GBK、GB 18030 之类的遗留方案来说，基本上一个字符集方案只使用一种编码方案。

比如 ASCII 这部标准本身就直接规定了字符和字符编码的方式，所以既是字符集又是编码方案；而 GB 2312 只是一个区位码形式的字符集标准，不过实际上基本都用 EUC-CN 来编码，所以提及「GB 2312」时也说的是一个字符集和编码连锁的方案；GBK 和 GB 18030 等向后兼容于 GB 2312 的方案也类似。

在不同语言的系统中编码不同，这一部分在微软的术语中叫 code page。比如所谓 GBK 编码，实际上更多地被叫做 CP936。

[1] Windows 里说的「ANSI」其实是 Windows code pages，这个模式根据当前 locale 选定具体的编码，比如简中 locale 下是 GBK。把自己这些 code page 称作「ANSI」是 Windows 的臭毛病。在 ASCII 范围内它们应该是和 ASCII 一致的。
[2] 把带有 BOM 的小端序 UTF-16 称作「Unicode」也是 Windows 的臭毛病。Windows 从 Windows 2000 开始就已经支持 surrogate pair 了，所以已经是 UTF-16 了，「UCS-2」这个说法已经不合适了。UCS-2 只能编码 BMP 范围内的字符，从 1996 年起就在 Unicode/ISO 标准中被 UTF-16 取代了（UTF-16 通过蛋疼的 surrogate pair 来编码超出 BMP 的字符）。都十多年了，求求大家别再误称了……
[3] 把带 BOM 的 UTF-8 称作「UTF-8」又是 Windows 的臭毛病。如果忽略 BOM，那么在 ASCII 范围内与 ASCII 一致。另请参见：「带 BOM 的 UTF-8」和「无 BOM 的 UTF-8」有什么区别？ http://www.zhihu.com/question/20167122

参考资料：

https://www.zhihu.com/question/20650946

https://www.zhihu.com/question/20167122

http://www.cnblogs.com/finallyliuyu/archive/2013/05/10/3071023.html

http://baike.baidu.com/link?url=3TllMqF5m4w_Z0R5j9XM5YgeJsinMAPqnuXIr6gCyUSDdWQ3orotY6qSH4fUMt4b5S9Xk5YMW2NzRTYS6vJ4x_nhvhNSQBZtjN4mDzvmgTq