一直以來，編碼問題都是比較令人糾結的，我自己也是，迷惑了好一段時間。

首先看一下ANSI編碼和ASCII 編碼，用google搜到這篇文章，挺好的。http://www.differencebetween.net/technology/web-applications/difference-between-ansi-and-ascii/

ASCII: American Standard Code for Information Interchange

ANSI: American National Standard Institute

基本的區別就是:

Summary:

ANSI has more characters than ASCII
ASCII uses 7 bits while ANSI uses 8
ASCII characters are fixed to the code points while ANSI code points may represent different characters
ASCII is more straightforward to use than ANSI
ASCII works with Unicode while ANSI compatibility is very limited
 

這裡，我主要再介紹一下ansi，unicode和utf8

首先看一下ANSI

ANSI編碼

首先在C++程式碼裡面敲入一行程式碼，很簡單看下圖，執行一下，會發現字串ansi裡面的記憶體是0xb3, 0xcc, 0xd0, 0xf2, 0xd4, 0xb1.開啟記事本，寫入“程式設計師”3個字，然後save，用ultraedit看一下十六進位制編碼，如下圖。

跟VS裡面看到的一模一樣。我們在看一下C++的原始檔。

看16進位制的原始檔，可以發現原始檔裡面的“程式設計師”3個字也是ANSI編碼。好像VS對於C++原始檔預設的就是ANSI編碼，我在VS2013裡面看到有個功能可以自動檢測UTF-8編碼啥的。但是沒有仔細研究過。

OK, 現在我們知道，在notepad裡面，打入一些字元，然後save，那麼預設的就是ANSI編碼。在VS裡面如果輸入一些常量字串，假如是純英文的話，那應該也是ANSI編碼，如果你的常量字串裡面有中文或者韓文等其他字元的話，就視情況而定了，像vs2013可能會把你的原始檔轉換成UTF8格式，但我知道早期的VS是不會轉的還是用ANSI.所以如果你在IDE,比如VS, Eclipse，甚至XCODE等裡面輸入常量字串的話，需要小心。通常如果只是英文的話，一般是沒有問題的，但是如果有中文的話，要留個心眼，看你的IDE是怎麼編碼的。不然恐怕就會出現亂碼的情況。當然如果真的有中文等字元的話，也不建議使用ANSI編碼，儘可能使用UNICODE吧。

UNICODE

unicode其實有好幾種，比如unicode16，unicode32啥的。通常我們在寫程式的時候，說起unicode或者寬字元，一般指的就是unicode16.也就是2個位元組（wchar_t)來表示一個字元。一個英文字母a使用2個位元組的寬位元組wchar_t來表示，一箇中文也是用一個wchar_t來表示。

notepad的saveas裡面有個功能，可以把當前檔案儲存成unicode。

同樣開啟notepad輸入“程式設計師”3個字，然後點選save as，在編碼那裡選擇unicode。如圖

儲存完之後，用ultraedit開啟，前面兩個位元組FFFE,這個其實是notepad的一個標記，不用管它，看後面的6個位元組。“程式設計師”總共是3箇中文字元，那麼用unicode就是6個位元組，也就是0B7A8F5E5854.

OK, 現在C++程式裡面敲入一行程式碼，如下圖.從下面的圖片裡面可以看到unicode字串的記憶體是0x7a0b, 0x5e8f, 0x5458.跟上面ultraedit裡面比較。好像每兩個位元組都反過來了，這是何故？

其實這裡有個很好玩的事情。我們直接看unicode裡面的指向的記憶體吧。

unicode指向的是地址0x0026fb90,看記憶體，記憶體裡面的資料是0b, 7a, 8f, 5e, 58, 54。跟上面ultraedit裡面顯示的是一致的。那麼說明unicode裡面在記憶體存放的位元組流跟ultraedit裡面展示的是一模一樣的。那為什麼用wchar_t表示的時候就反過來了呢？其實我覺得這應該是windows上面的機制，用wchar_t表示的時候就是反過來的（不知道linux上是不是也是這樣？），就好象是int在記憶體裡面存放也是逆序的。

順便再來看一下C#吧，寫幾行簡單程式碼，直接看下圖：

首先我們可以看到sizeof(char)在C#裡面是2.其實在C#裡面並沒有wchar_t這種東西。只有一個char，而它就是2個位元組。這是因為C#裡面用的都是unicode。C#的string裡面存放的就是unicode格式。好像Java也是這樣。每一個char和上面的C++的wchar_t的值一模一樣。

ANSI VS Unicode

那麼我們到底應該使用ANSI還是Unicode呢？我建議使用Unicode，特殊是在寫windows程式的時候，因為windows的API都支援ANSI和Unicode兩種，也就是我們常說的多位元組和寬位元組。比如CreateFileA()支援ANSI編碼， CreateFileW()支援Unicode編碼。如果使用Ansi的話，萬一你的字串裡面含有中文，就會比較麻煩一些，比如有些時候為了換行，很難計算，以為ANSI裡面英文佔一個自己，中文佔2個位元組。如果把一箇中文給劈開了，那就顯示亂碼了。如果使用Unicode就很方便了，因為中文，英文都是佔2個位元組。當然如果你的程式確定只支援英文，那用ANSI也行，畢竟用Unicode的話，會多佔記憶體。假如一個英文字串有100個字元，用ANSI就佔用100位元組，用UNICODE就是200位元組。Windows的大多數API都支援ANSI和UNICODE兩種，我個人比較喜歡用UNICODE版本，畢竟現在的記憶體動不動都4g，8g的，多耗些記憶體也不是什麼大問題。

utf8

最後再介紹一種非常常用的編碼utf8. 什麼是utf-8， 看定義， UTF-8 stands for Unicode Transformation Format-8. It is an octet (8-bit) lossless encoding of Unicode characters

至於utf8的具體細節和好處，網上一搜一大堆。基本上現在的網頁用的都是utf-8編碼，資料庫裡面用的很多也是utf-8,網路傳輸也是很多使用utf8。反正我覺得utf8的使用率是非常高的。比如我們想把一個字串存入本地檔案的時候也可以使用utf8編碼，當然也使用ANSI或者UNICODE. 這裡就簡單介紹一下C++和Java裡面的utf8使用吧。在C++裡面，現在可以使用C++11了，簡單的一個例子，把一個unicode字串轉換成utf8，再把utf8轉換成unicode

#ifndef UNICODE
#define UNICODE
#endif

#include "stdafx.h"
#include <windows.h>
#include <stdio.h>
#include <locale>
#include <codecvt>
#include <fstream>

#include <string>

using namespace std;

// convert UTF-8 string to wstring
std::wstring utf8_to_wstring (const std::string& str)
{
    std::wstring_convert<std::codecvt_utf8<wchar_t>> myconv;
    return myconv.from_bytes(str);
}

// convert wstring to UTF-8 string
std::string wstring_to_utf8 (const std::wstring& str)
{
    std::wstring_convert<std::codecvt_utf8<wchar_t>> myconv;
    return myconv.to_bytes(str);
}

int main()
{
    // UTF-8 narrow multibyte encoding
    std::string ansi = "程式設計師";
             
    std::wstring unicode(L"程式設計師");
    const wchar_t* p = unicode.c_str();
    
    std::string utf8 = wstring_to_utf8(unicode);
   
    std::wstring unicode2 = utf8_to_wstring(utf8);
}

如果用C#就更簡單了。我們可以看到utf8編碼的位元組流跟C++的一模一樣。

最後看一下c#原始檔的編碼，我這裡的c#原始檔編碼用的是UNICODE, 看圖：（好像如果有中文的話，VS會轉換成utf8）

儘量不要在原始碼檔案裡面hardcode需要顯示在UI上的字串

比如類似的程式碼：

string title = "hellow world";

SetWindowText(title);

這個真的不是好習慣。如果你的程式要支援其他語言的話，你就不得不修改原始檔而且重新編譯了。而且萬一需要支援中文的話，那麼就得在字串常量裡面寫中文，可是有些時候又不知道原始檔是用什麼格式來編碼的。比如原始檔是用utf8編碼的話，檔案就來的，SetWindowText()是不支援utf8編碼顯示的，我們不得不先把utf8編碼轉換成ANSI或者UNICODE，再呼叫windows API。還有其他問題，比如你用VS UNICODE編碼來寫程式的，而另外一個人用Xcode來寫程式，那麼你的中文在他的Xcode裡面肯定顯示亂碼。總之很麻煩。我覺得我們的字串常量應該儘可能放在資原始檔裡面，比如C++的resource檔案，C#的資原始檔。android程式也是有資原始檔。這樣比較好，如果要改字串的話，改資原始檔就可以了。不需要跟原始碼。當然如果是一些log之類的字串，寫在原始碼檔案裡面倒也問題不大，因為這些log通常都是英文，而且沒有localization的問題。

其他編碼

除了ANIS, UNICODE, UTF8之後還有很多其他的編碼，但是我覺得這三種是最常用的。而且一旦掌握了這三種以後，再看其他的編碼應該也是很容易了。