一、ANSI編碼

1.

如前所述，在全世界所有國家和地區(qū)的文字符號統(tǒng)一編碼的UCS/Unicode編碼方案問世之前(UCS、Unicode后文有詳細介紹)，各個國家、地區(qū)為了用計算機記錄并顯示自己的字符，都在ASCII編碼方案的基礎(chǔ)上，設(shè)計了各自的編碼方案。

比如歐洲先后設(shè)計了EASCII和ISO/IEC 8859系列字符編碼方案；為了顯示中文及相關(guān)字符，中國設(shè)計了GB系列編碼(“GB”為“國標(biāo)”的漢語拼音首字母縮寫，即“國家標(biāo)準(zhǔn)”之意)。

同樣，日文、韓文以及其他世界各個國家和地區(qū)的文字都有它們各自的編碼。所有這些各個國家和地區(qū)所獨立制定的既兼容ASCII又互相之間不兼容的字符編碼(準(zhǔn)確地來說應(yīng)該是既兼容ASCII又互相之間不完全兼容，因為這里所說的“不兼容”實際上指的是從整體中除開兼容ASCII之外的部分，下同，不再贅述)，微軟統(tǒng)稱為ANSI編碼。

所以，即使知道是ANSI編碼，還需要知道這是哪一個國家或地區(qū)的才能解碼；而且，同一份文本，只能采用一種ANSI編碼方案來編碼，比如，無法用同一種ANSI編碼來表示既有漢字、又有韓文的文本。

2.

嚴格來說，ANSI的字面意思并非字符編碼，而是美國的一個非營利組織——美國國家標(biāo)準(zhǔn)學(xué)會(American National Standards Institute)的縮寫。ANSI這個組織做了很多標(biāo)準(zhǔn)制定工作，包括C語言規(guī)范ANSI C，還有與各國和地區(qū)既兼容ASCII又互相不兼容的字符編碼相對應(yīng)的“代碼頁(Code Page)”標(biāo)準(zhǔn)。（具體什么是代碼頁，以及代碼頁與ANSI編碼之間的關(guān)系，詳見下文第二節(jié)的介紹）

比如ANSI規(guī)定簡體中文GB編碼的代碼頁是936，所以GB編碼又叫做ANSI Code Page 936(ANSI標(biāo)準(zhǔn)的代碼頁936)。

各國和地區(qū)既兼容ASCII又互相不兼容的字符編碼之所以被微軟 統(tǒng)稱為ANSI編碼的原因即在于此。

后來，或許是出于沿用統(tǒng)一的稱呼之目的，有些在當(dāng)時還并未被ANSI定為標(biāo)準(zhǔn)的代碼頁，也被微軟稱之為ANSI代碼頁，比如CP943代碼頁。

在Windows系統(tǒng)的編碼處理中，ANSI編碼一般代表系統(tǒng)默認的編碼方式，而且并不是確定的某一種編碼方式——在簡體中文操作系統(tǒng)中ANSI編碼默認指的是GB系列編碼(GB2312、GBK、GB18030)；在繁體中文操作系統(tǒng)中ANSI編碼默認指的是Big5編碼(港澳臺地區(qū)使用的繁體漢字編碼)；在日文操作系統(tǒng)中ANSI編碼默認指的是Shift JIS編碼，等等。可在系統(tǒng)區(qū)域設(shè)置的系統(tǒng)Locale中查看、更改。(本文后面有詳細介紹)

（笨笨阿林原創(chuàng)文章，轉(zhuǎn)載請注明出處）

二、代碼頁(Code Page)

注：有關(guān)代碼頁的內(nèi)容，網(wǎng)上資料較少，因此下面有關(guān)代碼頁的內(nèi)容無法通過對多方資料來源的比對甄別以去蕪存菁，錯漏可能在所難免，還望多多指正。

1.

代碼頁的英文為Code Page，往往簡稱為CP。代碼頁也稱為“內(nèi)碼表”，是計算機中與特定字符集(準(zhǔn)確地說是字符集的某個字符編碼方式CEF)相對應(yīng)的一張字符編碼對照表(這里的字符編碼實際上指的是字符編碼模式CES，因此實際為“字符-字節(jié)”或“字符-字節(jié)序列”對照表，詳見后文)。

最初，IBM用代碼頁來稱呼其計算機BIOS所支持的字符編碼。當(dāng)時通用的操作系統(tǒng)都是命令行界面的，這些操作系統(tǒng)直接使用BIOS提供的字符繪制功能來顯示字符(或者是一組嵌入在顯卡字符生成器中的字形)。這些BIOS代碼頁也被稱為OEM代碼頁。

隨著圖形用戶界面操作系統(tǒng)的廣泛使用(最初被廣為接受的圖形用戶界面操作系統(tǒng)是Windows 3.1)，操作系統(tǒng)本身具有了字符繪制的功能。微軟于是在Windows操作系統(tǒng)還沒有轉(zhuǎn)向UTF-16(UTF-16的推出要早于現(xiàn)在被廣為認可的UTF-8)作為編碼實現(xiàn)之前(即Windows2000發(fā)布之前)，基于ANSI代碼頁標(biāo)準(zhǔn)定義了一系列支持ANSI編碼的代碼頁，因而被稱作“ANSI代碼頁”。代表性的是實現(xiàn)了ISO 8859-1(即Latin-1)的代碼頁1252(即CP1252)，以及實現(xiàn)了GBK的代碼頁936(即CP936)。

現(xiàn)代操作系統(tǒng)中不同的語言和區(qū)域設(shè)置可能使用不同的代碼頁。

2.

除了上面提到的較為常見的ANSI代碼頁(即微軟所采用的代碼頁標(biāo)準(zhǔn))，以及IBM代碼頁，其他有些商業(yè)巨頭也制定有自己的代碼頁，比如Oracle代碼頁、SAP代碼頁，還有由多家公司聯(lián)合制定的代碼頁，比如EUC代碼頁(EUC為Extended Unix Code的縮寫，是由多家Unix系統(tǒng)開發(fā)公司針對Unix系統(tǒng)而聯(lián)合制定的代碼頁，使用8位編碼(即采用8位單字節(jié)碼元)來表示字符，于1991年標(biāo)準(zhǔn)化。EUC現(xiàn)在主要用于Unix、Mac及Linux等類Unix系統(tǒng)中表示及儲存漢語、日語及朝鮮語文字)。

后來代碼頁進一步擴展，除了原先針對ANSI編碼所定義的ANSI代碼頁，針對Unicode字符集的各UTF編碼方式(UTF-8、UTF-16、UTF-32等)，各個組織和廠商往往也定義了相應(yīng)的代碼頁。

另外，不同的組織或廠商，對于同一種編碼方式往往使用各自不同的代碼頁名稱(一般都以數(shù)字來進行命名區(qū)分)。例如，UTF-8在IBM稱作代碼頁1208(即CP1208)，在微軟稱作代碼頁65001(即CP65001)，在SAP稱作代碼頁4110(即CP4110)；Windows使用936代碼頁(CP936)、Mac系統(tǒng)使用EUC-CN代碼頁來表示GBK編碼(EUC-CN在類Unix系統(tǒng)中相當(dāng)于GBK編碼方案的別名，等同于Windows下的CP936代碼頁)。

（附：微軟公司定義的代碼頁一覽表：Code Page Identifiers - Windows applications）

3.

需要注意的是，在實踐中，代碼頁一般與其所直接對應(yīng)的字符集之間并非完全等同，往往因為種種原因(比如標(biāo)準(zhǔn)跟不上現(xiàn)實實踐的需要)而會對字符集有所擴展。

例如，微軟所采用的對應(yīng)于ISO 8859-1字符集(即Latin-1字符集)的ANSI代碼頁1252(即CP1252)，就對Latin-1字符集有所擴展，其中編碼128~159也被定義了字符，這是與Latin-1字符集不同之處，用于表示英語和大多數(shù)歐洲語言(西班牙語和各種日耳曼/斯堪的納維亞語)。另外，IBM所采用的對應(yīng)于Shift JIS日文字符集的OEM代碼頁932(即CP932)，也對Shift JIS有所擴展；而對應(yīng)于Shift JIS字符集的微軟ANSI代碼頁943(即CP943)，也同樣對Shift JIS有所擴展。

4.

代碼頁可以體現(xiàn)為從字符映射到單字節(jié)值或多字節(jié)值的一張表格。

注意，針對ANSI編碼而言，雖然其屬于傳統(tǒng)字符編碼模型，但從現(xiàn)代字符編碼模型的角度來看，這里所提到的單字節(jié)值與多字節(jié)值指的是特定于系統(tǒng)平臺的物理意義上的字節(jié)序列，不是指與系統(tǒng)平臺無關(guān)的邏輯意義上的碼元序列(雖然對屬于傳統(tǒng)字符編碼模型的早期字符編碼方案而言，字符的碼元序列與字節(jié)序列其實是一樣的)。

而針對屬于現(xiàn)代字符編碼模型的Unicode字符集的各UTF編碼方式而言，則更是同樣如此。比如針對UTF-16所定義的代碼頁，其存儲的是針對UTF-16這種字符編碼方式CEF的某種字符編碼模式CES(即大端序或小端序之一，大端序、小端序的概念后文有詳細介紹)。

正因為這樣，代碼頁也被稱之內(nèi)碼表。

也就是說，代碼頁是字符集在計算機中的具體編碼實現(xiàn)；特別是從現(xiàn)代字符編碼模型的角度而言，代碼頁可認為是字符集的某種字符編碼方式CEF的具體字符編碼模式CES在計算機中的具體實現(xiàn)，可以將其理解為一張“字符-字節(jié)”(或更準(zhǔn)確地理解為“字符-字節(jié)序列”)映射表，計算機通過查表實現(xiàn)“字符-字節(jié)”之間的雙向“翻譯”。

代碼頁主要用于具體實現(xiàn)各編碼方案中的字符在計算機系統(tǒng)中的物理存儲和顯示。當(dāng)計算機讀取了一個二進制字節(jié)，那這個字節(jié)到底屬于哪個字符，就需要到存儲在計算機中的某個代碼頁中查找，這個查找的過程就被稱為查表。

比如，當(dāng)使用輸入碼(即外碼)輸入漢字時，輸入法軟件需要將輸入碼(出現(xiàn)重碼時另加選擇編號)根據(jù)代碼頁轉(zhuǎn)換為機內(nèi)碼(即查表)進行存儲，以及再根據(jù)機內(nèi)碼和相應(yīng)的字體設(shè)定到對應(yīng)的字體文件中查找字形碼進行顯示。

5.

在Windows中，代碼頁是系統(tǒng)默認設(shè)置的(即默認系統(tǒng)區(qū)域設(shè)置)，也可在(Windows7的)“控制面板-區(qū)域和語言-管理-非Unicode程序的語言-更改系統(tǒng)區(qū)域設(shè)置”中選擇列表中的語言進行更改。

注意，系統(tǒng)區(qū)域設(shè)置System Locale可用于確定在不使用Unicode編碼的程序(即非Unicode程序)中輸入和顯示字符的默認編碼方案(顯然主要是指ANSI編碼方案)和字體，這樣就可以讓非Unicode程序在計算機上使用指定的語言(實質(zhì)上是使用指定的ANSI編碼)得以正常運行。

因此，在計算機上安裝某些非Unicode程序時，如果出現(xiàn)亂碼，則可能需要更改默認的系統(tǒng)區(qū)域設(shè)置。為系統(tǒng)區(qū)域設(shè)置選擇不同的語言并不會影響Windows系統(tǒng)本身或其他使用Unicode編碼方案的程序(即Unicode程序)的語言顯示。

但是，很顯然，如果同一個操作系統(tǒng)中，多個非Unicode程序采用了各不相同的ANSI編碼，則同一時間只有一種ANSI編碼的非Unicode程序的語言顯示是正常的，采用其他ANSI編碼的非Unicode程序的語言顯示為亂碼；而同一個非Unicode程序是無法采用不同的ANSI編碼的，比如同時采用中文和韓文，在非Unicode程序中是無法實現(xiàn)的，因為同一時間必定有其中之一是亂碼的。

不過，現(xiàn)在Unicode編碼方案已經(jīng)成為了主流，非Unicode程序已經(jīng)難得一見了。

（笨笨阿林原創(chuàng)文章，轉(zhuǎn)載請注明出處）

三、微軟Windows操作系統(tǒng)中ANSI代碼頁的設(shè)置

1.

微軟為了適應(yīng)世界上不同地區(qū)用戶的文化背景和生活習(xí)慣，在Windows中設(shè)計了區(qū)域(Locale)設(shè)置的功能。

Locale是指特定于某個國家或地區(qū)的一組設(shè)定，包括代碼頁，以及數(shù)字、貨幣、時間和日期的格式等。

在Windows內(nèi)部，其實有兩個Locale設(shè)置：系統(tǒng)Locale和用戶Locale。系統(tǒng)Locale決定代碼頁，用戶Locale決定數(shù)字、貨幣、時間和日期的格式等。

可以在Windows控制面板的“區(qū)域和語言選項”中設(shè)置系統(tǒng)Locale(非Unicode程序的語言)和用戶Locale(標(biāo)準(zhǔn)和格式)。如下圖所示：

?

(Windows XP中的Locale設(shè)置)

(Windows 7中的Locale設(shè)置)

2.

系統(tǒng)Locale對應(yīng)的代碼頁被作為Windows系統(tǒng)的默認代碼頁。在沒有明確指定某個文本所采用的編碼方案時，Windows系統(tǒng)將按照系統(tǒng)Locale中所指定的默認代碼頁(實質(zhì)上代表了某個編碼方案)來解釋該文本數(shù)據(jù)。這個默認代碼頁通常被稱作ANSI代碼頁(簡稱ACP；注意，如前所述，雖然非ANSI編碼的Unicode各UTF編碼也同樣定義了代碼頁，但系統(tǒng)Locale中所設(shè)定的默認代碼頁之所以通常被稱為ACP，是因為系統(tǒng)Locale主要是針對非Unicode程序而設(shè)置的)。

在Windows XP的“區(qū)域和語言選項”高級頁面的“代碼頁轉(zhuǎn)換表”中，可看到各種語言(實質(zhì)上是各個編碼方案)的代碼頁(但Windows7中已經(jīng)不能直接看到了)。例如：

·874 (ANSI/OEM -泰文)

·932 (ANSI/OEM -日文Shift-JIS)

·936 (ANSI/OEM -簡體中文GBK)

·949 (ANSI/OEM -韓文)

·950 (ANSI/OEM -繁體中文Big5)

·1250 (ANSI -中歐)

·1251 (ANSI -西里爾文)

·1252 (ANSI -拉丁文)

·1253 (ANSI -希臘文)

·1254 (ANSI -土耳其文)

·1255 (ANSI -希伯來文)

·1256 (ANSI -阿拉伯文)

·1257 (ANSI -波羅的海文)

·1258 (ANSI/OEM -越南)

（笨笨阿林原創(chuàng)文章，轉(zhuǎn)載請注明出處）

?

【預(yù)告：下一篇將開始正式講解Unicode編碼方案，敬請關(guān)注！】

總結(jié)

以上是生活随笔為你收集整理的【转】刨根究底字符编码之七——ANSI编码与代码页的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。