保存的英文

ANSI、GBK、GB2312、UTF-8、GB18030和UNICODE的区

别

编码⼀直是让新⼿头疼的问题，特别是GBK、GB2312、UTF-8这三个⽐较常见的⽹页编码的区别，更是让许多新⼿晕头转向，怎么解释

也解释不清楚。但是编码⼜是那么重要，特别在⽹页这⼀块。如果你打出来的不是乱码，⽽⽹页中出现了乱码，绝⼤部分原因就出在了编码上了。

此外除了乱码之外，还会出现⼀些其他问题（例如：IE6的CSS加载问题）等等。写出本⽂的⽬的，就是要彻底解释清楚这个编码问题！如果你

遇到了类似的问题，那就要仔细的看看这篇⽂章。

ANSI、GBK、GB2312、UTF-8、GB18030和UNICODE

这⼏个编码关键词是⽐较常见的，虽然我把我们放在了⼀起说，但并不意味这这⼏个东西是平级的关系。本部分的内容，引⽤⾃⽹络略有修改，不

知原⽂出处，故⽆法署名。

很久很久以前，有⼀群⼈，他们决定⽤8个可以开合的晶体管来组合成不同的状态，以表⽰世界上的万物，他们把这称为”字节”。再后来，他们

⼜做了⼀些可以处理这些字节的机器，机器开动了，可以⽤字节来组合出很多状态，状态开始变来变去，他们就把这机器称为”计算机”。

开始计算机只在美国⽤。⼋位的字节⼀共可以组合出256(2的8次⽅)种不同的状态。他们把其中的编号从0开始的32种状态分别规定了特殊的⽤

途，⼀但终端、打印机遇上约定好的这些字节被传过来时，就要做⼀些约定的动作。遇上00×10,终端就换⾏，遇上0×07,终端就向⼈们嘟嘟

叫，例好遇上0x1b,打印机就打印反⽩的字，或者终端就⽤彩⾊显⽰字母。他们看到这样很好，于是就把这些0×20以下的字节状态称为”控制

码”。

他们⼜把所有的空格、标点符号、数字、⼤⼩写字母分别⽤连续的字节状态表⽰，⼀直编到了第127号，这样计算机就可以⽤不同字节来存储英语

的⽂字了。⼤家看到这样，都感觉很好，于是⼤家都把这个⽅案叫做ANSIANSI的”AsciiAscii”编码（AmericanStandardCodeforInformation

Interchange，美国信息互换标准代码）。当时世界上所有的计算机都⽤同样的ASCIIASCII⽅案来保存英⽂⽂字。

后来计算机发展越来越⼴泛，世界各国为了可以在计算机保存他们的⽂字，他们决定采⽤127号之后的空位来表⽰这些新的字母、符号，还加⼊了

很多画表格时需要⽤下到的横线、竖线、交叉等形状，⼀直把序号编到了最后⼀个状态255。从128到255这⼀页的字符集被称”扩展字符

集”。但是原有的编号⽅法，已经再也放不下更多的编码。

等中国⼈们得到计算机时，已经没有可以利⽤的字节状态来表⽰汉字，况且有6000多个常⽤汉字需要保存呢。于是国⼈就⾃主研发，把那些127

号之后的奇异符号们直接取消掉。规定：⼀个⼩于127的字符的意义与原来相同，但两个⼤于127的字符连在⼀起时，就表⽰⼀个汉字，前⾯的⼀

个字节（他称之为⾼字节）从0xA1⽤到0xF7，后⾯⼀个字节（低字节）从0xA1到0xFE，这样我们就可以组合出⼤约7000多个简体汉字了。

在这些编码⾥，我们还把数学符号、罗马希腊的字母、⽇⽂的假名们都编进去了，连在ASCII⾥本来就有的数字、标点、字母都统统重新编了两

个字节长的编码，这就是常说的”全⾓”字符，⽽原来在127号以下的那些就叫”半⾓”字符了。

中国⼈民看到这样很不错，于是就把这种汉字⽅案叫做“GB2312″。GB2312GB2312是对ASCIIASCII的中⽂扩展。

但是中国的汉字太多了，后来还是不够⽤，于是⼲脆不再要求低字节⼀定是127号之后的内码，只要第⼀个字节是⼤于127就固定表⽰这是⼀个汉

字的开始，不管后⾯跟的是不是扩展字符集⾥的内容。结果扩展之后的编码⽅案被称为GBKGBK标准，GBK包括了GB2312的所有内容，同时⼜

增加了近20000个新的汉字（包括繁体字）和符号。后来少数民族也要⽤电脑了，于是我们再扩展，⼜加了⼏千个新的少数民族的字，GBKGBK扩成

了GB18030GB18030。从此之后，中华民族的⽂化就可以在计算机时代中传承了。

因为当时各个国家都像中国这样搞出⼀套⾃⼰的编码标准，结果互相之间谁也不懂谁的编码，谁也不⽀持别⼈的编码。当时的中国⼈想让电脑显⽰

汉字，就必须装上⼀个”汉字系统”，专门⽤来处理汉字的显⽰、输⼊的问题，装错了字符系统，显⽰就会乱了套。这怎么办？就在这时，⼀个

叫ISOISO（国际标谁化组织）的国际组织决定着⼿解决这个问题。他们采⽤的⽅法很简单：废了所有的地区性编码⽅案，重新搞⼀个包括了地球上

所有⽂化、所有字母和符号的编码！他们打算叫它”UniversalMultiple-OctetCodedCharacterSet”，简称UCS,俗称“UNICODEUNICODE”。

UNICODE开始制订时，计算机的存储器容量极⼤地发展了，空间再也不成为问题了。于是ISO就直接规定必须⽤两个字节，也就是16位来统⼀

表⽰所有的字符，对于ascii⾥的那些”半⾓”字符，UNICODE包持其原编码不变，只是将其长度由原来的8位扩展为16位，⽽其他⽂化和语⾔

的字符则全部重新统⼀编码。由于”半⾓”英⽂符号只需要⽤到低8位，所以其⾼8位永远是0，因此这种⼤⽓的⽅案在保存英⽂⽂本时会多浪费

⼀倍的空间。

但是，UNICODE在制订时没有考虑与任何⼀种现有的编码⽅案保持兼容，这使得GBK与UNICODE在汉字的内码编排上完全是不⼀样的，没

有⼀种简单的算术⽅法可以把⽂本内容从UNICODE编码和另⼀种编码进⾏转换，这种转换必须通过查表来进⾏。UNICODE是⽤两个字节来表

⽰为⼀个字符，他总共可以组合出65535不同的字符，这⼤概已经可以覆盖世界上所有⽂化的符号。

UNICODE来到时，⼀起到来的还有计算机⽹络的兴起，UNICODE如何在⽹络上传输也是⼀个必须考虑的问题，于是⾯向传输的众多

UTF（UCSTransferFormat）标准出现了，顾名思义，UTF8UTF8就是每次8个位传输数据，⽽UTF16UTF16就是每次16个位，只不过为了传输时的

可靠性，从UNICODE到UTF时并不是直接的对应，⽽是要过⼀些算法和规则来转换。

看完这些，相信你对于这⼏个编码关系等，了解的⽐较清楚了吧。我再来简单的总结⼀下：

中国⼈民通过对ASCII编码的中⽂扩充改造，产⽣了GB2312编码，可以表⽰6000多个常⽤汉字。

汉字实在是太多了，包括繁体和各种字符，于是产⽣了GBK编码，它包括了GB2312中的编码，同时扩充了很多。

中国是个多民族国家，各个民族⼏乎都有⾃⼰独⽴的语⾔系统，为了表⽰那些字符，继续把GBK编码扩充为GB18030编码。

每个国家都像中国⼀样，把⾃⼰的语⾔编码，于是出现了各种各样的编码，如果你不安装相应的编码，就⽆法解释相应编码想表达的内容。

终于，有个叫ISO的组织看不下去了。他们⼀起创造了⼀种编码UNICODE，这种编码⾮常⼤，⼤到可以容纳世界上任何⼀个⽂字和标志。所以

只要电脑上有UNICODE这种编码系统，⽆论是全球哪种⽂字，只需要保存⽂件的时候，保存成UNICODE编码就可以被其他电脑正常解释。

UNICODE在⽹络传输中，出现了两个标准UTF-8和UTF-16，分别每次传输8个位和16个位。

于是就会有⼈产⽣疑问，UTF-8既然能保存那么多⽂字、符号，为什么国内还有这么多使⽤GBK等编码的⼈？因为UTF-8等编码体积⽐较⼤，

占电脑空间⽐较多，如果⾯向的使⽤⼈群绝⼤部分都是中国⼈，⽤GBK等编码也可以。但是⽬前的电脑来看，硬盘都是⽩菜价，电脑性能也已经

⾜够⽆视这点性能的消耗了。所以推荐所有的⽹页使⽤统⼀编码：UTF-8UTF-8。