Unicode, UTF, ASCII, ANSI differenze di formato

Question

Qual è la differenza tra il Unicode, UTF8, UTF7, UTF16, UTF32, ASCII, e ANSI codifiche?

In che modo sono utili per i programmatori?

Answer 1

Scendendo la vostra lista:

• "Unicode" non è una codifica, anche se purtroppo, molta documentazione impreciso lo usa per riferirsi a qualsiasi codifica Unicode quel particolare sistema utilizza per impostazione predefinita. Su Windows e Java, questo spesso significa UTF-16; in molti altri luoghi, significa UTF-8. Correttamente, Unicode si riferisce al set di caratteri astratto stesso, non a una particolare codifica.
• UTF-16: 2 byte per "unità di codice". Questo è il formato nativo delle stringhe in .NET e in generale in Windows e Java. I valori esterni allo Basic Multilingual Plane (BMP) sono codificati come coppie sostitutive. (Questi sono usati raramente - il che è un buon lavoro, visto che pochissimi sviluppatori riescono a farli correttamente, sospetto.) Dubbio che lo faccia.)
• UTF-8: Codifica di lunghezza variabile, 1-4 byte per punto di codice. I valori ASCII sono codificati come ASCII usando 1 byte.
• UTF-7: in genere utilizzato per la codifica della posta. Le probabilità sono che se pensi di averne bisogno e non stai facendo posta, ti sbagli. (Questa è solo la mia esperienza di persone che pubblicano nei newsgroup ecc. - al di fuori della posta, in realtà non è molto utilizzata.)
• UTF-32: Codifica a larghezza fissa utilizzando 4 byte per punto di codice. Questo non è molto efficiente, ma rende la vita più facile al di fuori del BMP. Ho una classe .NET Utf32String come parte della mia libreria MiscUtil, nel caso la volessi. (Non è stato testato a fondo, intendiamoci.)
• ASCII: codifica a byte singolo utilizzando solo i 7 bit inferiori. (Punti codice Unicode 0-127). Nessun accento ecc.
• ANSI: non esiste una codifica ANSI fissa, ce ne sono molti. Di solito quando le persone dicono "ANSI" intendono "la locale predefinita/codepage per il mio sistema" che è ottenuta tramite Encoding.Default, ed è spesso Windows-1252 ma può essere altre impostazioni locali.

C'è di più su my Unicode page e tips for debugging Unicode problems.

L'altra grande risorsa di codice è unicode.org che contiene più informazioni di quante non sarai mai in grado di elaborare: forse il bit più utile è lo code charts.

Answer 2

qualche lettura per iniziare sulla codifica dei caratteri: Joel on Software: The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)

Tra l'altro - ASP.NET non ha nulla a che fare con esso. Le codifiche sono universali.