搞懂ASCII, ISO8859-1, ANSI和Unicode

ANSI（American National Standards Institute）字符集：

ASCII字符集+MBCS(Multi-Byte Character System)字符集，如GB2312。

ASCII: 最初，ANSI只包括一种字符集(ASCII-American Standard Code for Information Interchange)。ASCII码使用7bit表示一个字符，共128个字符。之后IBM在此基础上做了扩展，用8bit表示1个字符，共256个字符，称为ISO-8859-1字符集

MBCS: 为使计算机支持更多语言，这些派生的字符集通常使用 0x80~0xFF 范围的 2 个字节来表示 1 个字符. 汉字 '中' 在中文操作系统(使用ANSI编码)中，使用 [0xD6,0xD0] 这两个字节存储。在简体中文系统下，MBCS编码代表 GB2312 编码，在繁体中文系统中，MBCS编码代表BIG5，日文操作系统下，MBCS 编码代表 JIS 编码。

 

Unicode:由于ANSI字符集在不同语言环境下的不统一，导致字符集太多，国际交流中也需要进行字符集转换，带来很大不便。于是出现了unicode字符集。该字符集使用16bit代表一个字符，可表示65536个字符。使用Unicode字符集时，方法strlen对一个中文字符执行的结果是1。为了在网络上传输unicode字符，Unicode可以有多种编码方式，如UTF-16, UTF-8, UTF-32等

UTF-16: 标准的Unicode称为UTF-16(UCS Transformation System)。这种编码方式由于采用两个字节表示一个字符，所以与ASCII码不兼容
UTF-8: 为了双字节的unicode可在单字节系统正确传输，出现了UTF-8。通过UTF-8编码的字节长短不同，0-127范围内的字符被编成1个字节，0080-07ff的字符被编成2个字节，0800-ffff的字符被编成3个字节...