一、ANSI編碼

1.

如前所述，在全世界所有國家和地區的文字符號統一編碼的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編碼方案的基礎上，設計了各自的編碼方案。

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

同樣，日文、韓文以及其他世界各個國家和地區的文字都有它們各自的編碼。所有這些各個國家和地區所獨立制定的既兼容ASCII又互相之間不兼容的字符編碼(準確地來說應該是既兼容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——美國國家標準學會(American National Standards Institute)的縮寫。ANSI這個組織做了很多標準制定工作，包括C語言規范ANSI C，還有與各國和地區既兼容ASCII又互相不兼容的字符編碼相對應的“代碼頁(Code Page)”標準。（具體什么是代碼頁，以及代碼頁與ANSI編碼之間的關系，詳見下文第二節的介紹）

比如ANSI規定簡體中文GB編碼的代碼頁是936，所以GB編碼又叫做ANSI Code Page 936(ANSI標準的代碼頁936)。

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

后來，或許是出于沿用統一的稱呼之目的，有些在當時還并未被ANSI定為標準的代碼頁，也被微軟稱之為ANSI代碼頁，比如CP943代碼頁。

在Windows系統的編碼處理中，ANSI編碼一般代表系統默認的編碼方式，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中ANSI編碼默認指的是Big5編碼(港澳臺地區使用的繁體漢字編碼)；在日文操作系統中ANSI編碼默認指的是Shift JIS編碼，等等?？稍谙到y區域設置的系統Locale中查看、更改。(本文后面有詳細介紹)

（笨笨阿林原創文章，轉載請注明出處）

二、代碼頁(Code Page)

注：有關代碼頁的內容，網上資料較少，因此下面有關代碼頁的內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“內碼表”，是計算機中與特定字符集(準確地說是字符集的某個字符編碼方式CEF)相對應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”或“字符-字節序列”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。當時通用的操作系統都是命令行界面的，這些操作系統直接使用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的廣泛使用(最初被廣為接受的圖形用戶界面操作系統是Windows 3.1)，操作系統本身具有了字符繪制的功能。微軟于是在Windows操作系統還沒有轉向UTF-16(UTF-16的推出要早于現在被廣為認可的UTF-8)作為編碼實現之前(即Windows2000發布之前)，基于ANSI代碼頁標準定義了一系列支持ANSI編碼的代碼頁，因而被稱作“ANSI代碼頁”。代表性的是實現了ISO 8859-1(即Latin-1)的代碼頁1252(即CP1252)，以及實現了GBK的代碼頁936(即CP936)。

現代操作系統中不同的語言和區域設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準)，以及IBM代碼頁，其他有些商業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系統開發公司針對Unix系統而聯合制定的代碼頁，使用8位編碼(即采用8位單字節碼元)來表示字符，于1991年標準化。EUC現在主要用于Unix、Mac及Linux等類Unix系統中表示及儲存漢語、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(一般都以數字來進行命名區分)。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系統使用EUC-CN代碼頁來表示GBK編碼(EUC-CN在類Unix系統中相當于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的字符集之間并非完全等同，往往因為種種原因(比如標準跟不上現實實踐的需要)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.

代碼頁可以體現為從字符映射到單字節值或多字節值的一張表格。

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

而針對屬于現代字符編碼模型的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；特別是從現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，可以將其理解為一張“字符-字節”(或更準確地理解為“字符-字節序列”)映射表，計算機通過查表實現“字符-字節”之間的雙向“翻譯”。

代碼頁主要用于具體實現各編碼方案中的字符在計算機系統中的物理存儲和顯示。當計算機讀取了一個二進制字節，那這個字節到底屬于哪個字符，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(出現重碼時另加選擇編號)根據代碼頁轉換為機內碼(即查表)進行存儲，以及再根據機內碼和相應的字體設定到對應的字體文件中查找字形碼進行顯示。

5.

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

注意，系統區域設置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，如果出現亂碼，則可能需要更改默認的系統區域設置。為系統區域設置選擇不同的語言并不會影響Windows系統本身或其他使用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程序中是無法實現的，因為同一時間必定有其中之一是亂碼的。

不過，現在Unicode編碼方案已經成為了主流，非Unicode程序已經難得一見了。

（笨笨阿林原創文章，轉載請注明出處）

三、微軟Windows操作系統中ANSI代碼頁的設置

1.

微軟為了適應世界上不同地區用戶的文化背景和生活習慣，在Windows中設計了區域(Locale)設置的功能。

Locale是指特定于某個國家或地區的一組設定，包括代碼頁，以及數字、貨幣、時間和日期的格式等。

在Windows內部，其實有兩個Locale設置：系統Locale和用戶Locale。系統Locale決定代碼頁，用戶Locale決定數字、貨幣、時間和日期的格式等。

可以在Windows控制面板的“區域和語言選項”中設置系統Locale(非Unicode程序的語言)和用戶Locale(標準和格式)。如下圖所示：

?

(Windows XP中的Locale設置)

(Windows 7中的Locale設置)

2.

系統Locale對應的代碼頁被作為Windows系統的默認代碼頁。在沒有明確指定某個文本所采用的編碼方案時，Windows系統將按照系統Locale中所指定的默認代碼頁(實質上代表了某個編碼方案)來解釋該文本數據。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Locale中所設定的默認代碼頁之所以通常被稱為ACP，是因為系統Locale主要是針對非Unicode程序而設置的)。

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

（笨笨阿林原創文章，轉載請注明出處）

?

【預告：下一篇將開始正式講解Unicode編碼方案，敬請關注！】

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。