常用字元編碼執行個體分析

大家經常在windows下使用notepad就會發現儲存的時候有編碼類別型選擇ANSI(中國是GB18030)、unicode、unicode big endian、UTF-8，下面進行執行個體分析，如1為文本顯示及不同的字元編碼的HEX顯示：

圖1

1.GB18030

GB18030是中華人民共和國最新的內碼字集及編碼方式，位元組結構採用單位元組、雙位元組、四位元組編碼，其不會重疊混淆。

單位元組：0x00 - 0x7F (對應於ASCII)

雙位元組：0x8140 - 0xFE7E

      0xFE80 - 0xFEFE

四位元組：0x81308130 - 0xFE39FE39

針對1的ANSI(GB18030)編碼分析：

圖2

2.Unicode

這裡的Unicode即是字元集也是編碼方式，其為UTF-16小尾編碼，丟失一個位元組整個檔案將無效。

針對1的Unicode編碼分析：

圖3

3.Unicode big endian

這裡的Unicode即是字元集也是編碼方式，其為UTF-16大尾編碼，丟失一個位元組整個檔案將無效。

針對1的Unicode big endian編碼分析：

圖4

4.UTF-8

UTF-8以位元組編碼，沒有大小尾的區分，是ASCII編碼的超集。

位元組流形式：一位元組：0xxxxxxx

兩位元組：110xxxxx 10xxxxxx

三位元組：1110xxxx 10xxxxxx 10xxxxxx

四位元組：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

五位元組：111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

六位元組：1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

針對1的UTF-8編碼分析：

圖5

5.趣事

記事本以ANSI格式只儲存“聯通”，雙擊開啟為一個小方塊。

解釋：“聯通”在GB18030中的表示為“C1 AA CD A8”，雙擊開啟的操作，記事本判斷第一個位元組“11000001”為UTF-8的兩位元組流形式，第三個位元組“11001101”也為UTF-8的兩位元組流形式，故判斷為UTF-8字元編碼格式開啟為亂碼。