天天看點

ANSI是什麼編碼?

用Notepad++建立一個文本檔案text.txt,其預設編碼格式為ANSI(乍看之下,還以為是ASCII呢),輸入漢字居然不是亂碼:

ANSI是什麼編碼?

儲存為test.txt,發送給你美國的同僚Bob。他也用Notepad++,不幸的是,卻發現你的檔案内容是這樣的:

ANSI是什麼編碼?

也許你會認為:你用的是中文系統,能正常顯示中文;他用的是英文系統,不能顯示中文!

這麼想,好像很有道理呢!

但是再細想一下:一個系統顯示亂碼,說明它不支援這種編碼格式(或者解碼方式不對)。難道英文系統不支援ANSI?難道ANSI是一種中文編碼?

如果你身邊有一個韓文系統,也裝一個Notepad++,預設還是ANSI編碼,你可以輸入“한국어”,發現也能正常顯示:

ANSI是什麼編碼?

但是你要輸入“漢字”可能就會發現是亂碼了...

通過這個反例,就可以說明ANSI不是一種中文編碼。那麼,ANSI到底是什麼編碼?

用十六進制編輯器打開内容為“漢字”的test.txt檔案:

ANSI是什麼編碼?

你會發現:其中baba和d7d6正好是“漢”和“字”兩個字的GBK編碼值。

同樣,用十六進制編輯器打開内容為“한국어”的test.txt檔案:

ANSI是什麼編碼?

你會發現:其中c7d1、b1b9和beee正好是“한”、“국”和“어”三個字元的EUC-KR編碼值。

由此可以看出:其實ANSI并不是某一種特定的字元編碼,而是在不同的系統中,ANSI表示不同的編碼。你的美國同僚Bob的系統中ANSI編碼其實是ASCII編碼(ASCII編碼不能表示漢字,是以漢字為亂碼),而你的系統中(“漢字”正常顯示)ANSI編碼其實是GBK編碼,而韓文系統中(“한국어”正常顯示)ANSI編碼其實是EUC-KR編碼。

話說計算機是由美國佬搞出來的嘛,他們覺得一個位元組(可以表示256個編碼)表示英語世界裡所有的字母、數字
和常用特殊符号已經綽綽有餘了(其實ASCII隻用了前127個編碼)。後來歐洲人不幹了,法國人說:我需要在小
寫字母加上變音符号(如:é),德國人說:我也要加幾個字母(Ä ä、Ö ö、Ü ü、ß)。于是,歐洲人就将ASCII
沒用完的編碼(128-255)為自己特有的符号編碼(後來稱之為“擴充字元集”)。等到我們中國人開始使用計算機
的時候,尼瑪,256個編碼哪夠?我泱泱大中華,漢字起碼也得N多萬吧,就連國小生都得要求掌握兩三千字。國标
局最後拍闆:一個位元組不夠,那我們就用多個位元組來為漢字編碼吧,但是,國情那麼窮,位元組那麼貴,三個位元組傷
不起,那就用倆位元組吧,先給常用的幾千漢字編個碼,等以後國家強盛了人民富裕了,咱再擴充呗---于是GB2312
就産生了。台灣同胞一看,尼瑪,全是簡體字,還讓不讓我們寫繁體字的活了,于是台灣同胞也自己弄了個繁體字
編碼---大五碼(Big-5)。同時,其它國家也在為自己的文字編碼。最後,微軟苦逼了:顧客就是上帝啊,你們
的編碼我都得滿足啊,這樣吧,賣給美國國内的系統預設就用ASCII編碼吧,賣給中國人的系統預設就用GBK編碼
吧,賣給南韓人的系統預設就用EUC-KR編碼,...但是為了避免你們誤會我賣給你們的系統功能有差異,我就統一
把你們的預設編碼都顯示成ANSI吧。---本故事純屬虛構,但“ANSI編碼”确實隻存在于Windows系統。
           

那麼Windows系統是如何區分ANSI背後的真實編碼的呢?

微軟用一個叫“Windows code pages”(在指令行下執行chcp指令可以檢視目前code page的值)的值來判斷系統預設編碼,比如:簡體中文的code page值為936(它表示GBK編碼,win95之前表示GB2312,詳見:Microsoft Windows' Code Page 936),繁體中文的code page值為950(表示Big-5編碼)。

我們能否通過修改Windows code pages的值來改變“ANSI編碼”呢?

指令提示符下,我們可以通過chcp指令來修改目前終端的active code page,例如:

(1) 執行:chcp 437,code page改為437,目前終端的預設編碼就為ASCII編碼了(漢字就成亂碼了);

(2) 執行:chcp 936,code page改為936,目前終端的預設編碼就為GBK編碼了(漢字又能正常顯示了)。

上面的操作隻在目前終端起作用,并不會影響系統預設的“ANSI編碼”。(更改指令行預設codepage參看:設定cmd的codepage的方法)。

Windows下code page是根據目前系統區域(locale)來設定的,要想修改系統預設的“ANSI編碼”,我們可以通過修改系統區域來實作(“控制台” =>“時鐘、語言和區域”=>“區域和語言”=>“管理”=>“更改系統區域設定...”):

ANSI是什麼編碼?

圖中的系統locale為簡體中文,意味着目前“ANSI編碼”實際是GBK編碼。當你把它改成Korean(Korea)時,“ANSI編碼”實際是EUC-KR編碼,“한국어”就能正常顯示了;當你把它改成English(US)時,“ANSI編碼”實際是ASCII編碼,“漢字”和“한국어”都成亂碼了。(改了之後需要重新開機系統的。。。)

說明:locale是國際化與本地化中重要的概念,本文不深入講解該内容。

你上面說的都是windows的情形吧,Linux呢?

将前述内容為“漢字”的檔案test.txt拷貝至Linux下,用Emacs打開:

ANSI是什麼編碼?

也是亂碼!原因也是locale的問題:

ANSI是什麼編碼?

更改locale後再打開:

ANSI是什麼編碼?