[PHP知识库]简单讲解ANSI Unicode、GBK、GB2312

GB2312:涵盖了所有简体字符以及一部分其他字符

GBK:在GB2312的基础上加入了对繁体字符等其他非简体字符

(K代表扩展)

ANSI编码，通常指的是平台的默认编码，例如英文操作系统中是ISO-8859-1，中文系统是GBK

这些编码会通过代码页直接将字符映射为存储设备上的字节流

缺点也很明显，扩展性差，如果有新的一门语言，往里加的话会不方便，因为其中 的编码已经写死了，只要移动一下 ，原有的编码会很容易打乱。Unicode 则没有这种困扰。

中国的GBK，GB2312和GB18030编码

操作系统在发布的时候，通常会往机器里预装这些标准的字符集还有平台专用的字符集

提问：如果一个文档中有十几个国家的文字，那么文档能正常显示吗？

回答：把所有的编码格式都包含在其中——Unicode

Unicode字符集概述

Unicode字符集涵盖了目前人类使用的所有字符，并为每个字符进行统一编号，分配唯一的字符码（Code Point）

UTF-8 （应用最广的一种Unicode编码方案）

Unicode是两个字节吗？

Unicode只是定义了一个庞大的、全球通用的字符集，并为每个字符规定了唯一确定的编号，具体存储为什么样的字节流，取决于字符编码方案。推荐的Unicode编码是UTF-16和UTF-8。

带签名的UTF-8指的是什么意思？

带签名指的是字节流以BOM标记开始。很多软件会“智能”的探测当前字节流使用的字符编码，这种探测过程出于效率考虑，通常会提取字节流前面若干个字节，看看是否符合某些常见字符编码的编码规则。由于UTF-8和ASCII编码对于纯英文的编码是一样的，无法区分开来，因此通过在字节流最前面添加BOM标记可以告诉软件，当前使用的是Unicode编码，判别成功率就十分准确了。但是需要注意，不是所有软件或者程序都能正确处理BOM标记，例如PHP就不会检测BOM标记，直接把它当普通字节流解析了。因此如果你的PHP文件是采用带BOM标记的UTF-8进行编码的，那么有可能会出现问题。

Unicode编码和以前的字符集编码有什么区别？

早期字符编码、字符集和代码页等概念都是表达同一个意思。例如GB2312字符集、GB2312编码，936代码页，实际上说的是同个东西。但是对于Unicode则不同，Unicode字符集只是定义了字符的集合和唯一编号，Unicode编码，则是对UTF-8、UCS-2/UTF-16等具体编码方案的统称而已，并不是具体的编码方案。所以当需要用到字符编码的时候，你可以写gb2312，codepage936，utf-8，utf-16，但请不要写unicode（看过别人在网页的meta标签里头写charset=unicode，有感而发）。