2

我的文本编辑器允许我以几种不同的字符格式进行编码 Ansi、UTF-8、UTF-8（无 BOM）、UTF-16LE 和 UTF-16BE。

它们之间有什么区别？

什么通常被认为是最好的格式（如果有区别，我正在使用 Python）？

4

3 回答 3

8
  • “Ansi”是用词不当，通常指的是某些 8 位编码，这是当前平台上的默认值（在“西方”Windows 安装中，通常是Windows-1252）。它只支持一小组字符（最多 256 个不同的字符）。
  • UTF-8是一种可变长度、兼容 ASCII 的编码，能够存储任何和所有 Unicode 字符。对于应该支持所有 Unicode 字符的西方文本来说，这是一个相当不错的选择，并且在一般情况下是一个非常可行的选择。
  • “UTF-8（无 BOM）”是 Windows 在不编写Byte Order Marker的情况下使用 UTF-8 的名称。由于 UTF-8不需要BOM ，因此不应使用它，这将是正确的选择（几乎所有其他人都将此版本简称为“UTF-8”！）。
  • UTF-16LE 和 UTF-16BE 是UTF-16编码的Little Endian 和 Big Endian版本。与 UTF-8 一样，UTF-16 能够表示任何 Unicode 字符，但它不兼容 ASCII。

一般来说，UTF-8 是一个很好的整体选择并且具有广泛的兼容性（只要确保不要编写 BOM，因为这是大多数其他软件所期望的）。

如果您的大部分文本由非 ASCII 字符组成（即不使用基本的拉丁字母），UTF-16 可能会占用更少的空间。

仅当您有特定需要与不支持 Unicode 的遗留应用程序交互时，才应使用“Ansi”。

任何编码的重要一点是，它们是除了数据之外还需要进行通信的元数据。这意味着您必须知道某些字节流的编码才能正确地将其解释为文本。因此，您应该使用记录所使用的实际编码的格式（XML 是这里的主要示例），或者在给定的上下文中标准化单个编码并仅使用它。

例如，如果您开始一个软件项目，那么您可以指定您的所有源代码都采用给定的编码（再次：我建议使用 UTF-8）并坚持下去。

特别是对于 Python 文件，有一种方法可以指定源文件的编码。

于 2010-06-10T08:42:31.977 回答
3

您可能会通过UTF-8 No BOM 获得最大的实用程序。忘记 ANSI 和 ASCII 的存在，它们是不推荐使用的恐龙。

于 2010-06-10T08:37:49.337 回答
3

在这里。请注意，“ANSI”通常是 CP1252。

于 2010-06-10T08:35:53.003 回答