然而，計(jì)算機(jī)所要表達(dá)的并非只有一種語言，為了使ASCII可以支持其他平臺(tái)，IBM又做了一些修改，利用兩個(gè)擴(kuò)展ASCII字符來表達(dá)非英文字符，這樣可以表達(dá)的擴(kuò)展字符數(shù)就到達(dá)了14位，即16384個(gè)字符。這就是ANSI字符標(biāo)準(zhǔn)。
針對(duì)ANSI每個(gè)國家（地區(qū)）有自己的編碼規(guī)范，對(duì)中文而言，最早的規(guī)范是大家所熟知的大陸的GB2312-80，臺(tái)灣地區(qū)的BIG5以及香港的HKSCS，后來GB2312發(fā)展成GBK，GBK是GB2312的超集，向下兼容，也就是說GB2312的字符編碼與GBK相同，只是GBK多了一些字符定義，現(xiàn)在簡(jiǎn)體中文的最新編碼規(guī)范是GB18030，它是GBK的超集，向下兼容，但是據(jù)我所知現(xiàn)在還沒有哪個(gè)操作系統(tǒng)直接支持它。
上面說到的ANSI對(duì)英文和其他語言字符編碼所需要的字節(jié)數(shù)不等，或一個(gè)或兩個(gè)，所以被稱之為MBCS(多字節(jié)編碼系統(tǒng))，分辨一個(gè)字符占用字節(jié)數(shù)的辦法就是看首位是否為1，如果為1，那么連續(xù)的兩個(gè)字節(jié)表述一個(gè)字符，否則，是一個(gè)ASCII碼。
這種編碼規(guī)范使得各種文字可以在本地化后的計(jì)算機(jī)系統(tǒng)中正確被處理，但是這里還有個(gè)國際化的問題，例如，我們?cè)谝粋€(gè)文本文件中同時(shí)要顯示不同的語言（如中文和日文）時(shí)，改怎么辦？
因?yàn)锳NSI針對(duì)每種語言的編碼沒有區(qū)分，所以GB2312的一個(gè)字符值在BIG5中可能就有另一個(gè)字符與之對(duì)應(yīng)，故在讀取文本的時(shí)候必須要清楚使用什么編碼系統(tǒng)，否則就會(huì)出現(xiàn)亂碼。而對(duì)純文本而言，它的編碼方式只能是一種，所以不同語言是不能同時(shí)存在的。
這個(gè)時(shí)候，UNICODE出現(xiàn)了。
UNICODE使用兩個(gè)字節(jié)對(duì)世界上幾乎所有的語言進(jìn)行編碼（0x0000－0xFFFF），它可以表達(dá)的字符數(shù)量為16位，即65536個(gè)字符，每種語言的代碼段不同，兩個(gè)字節(jié)所表達(dá)的字符是唯一的，所以不同語種可以共存于文本中，然后用系統(tǒng)的UNICODE表進(jìn)行解碼，就可以顯示出來。
unicode與ASCII是兼容的，如ASCII的0X76的UNICODE編碼就是0X0076。
unicode的兩個(gè)字節(jié)在處理的時(shí)候順序是不定的，高位字節(jié)在前的我們稱之為unicode big endian，低位在前的稱之為unicode littleendian。之所以有這兩種編碼方式是因?yàn)樗麄儗?duì)應(yīng)了intel處理器和Mac處理器的處理方法。對(duì)一個(gè)字符串，究竟采用什么序列解碼呢？這里有個(gè)比較通用的辦法BOM，就是在文本的頭兩個(gè)字節(jié)插入標(biāo)志0xFEFF，它叫做"ZERO WIDTH NO-BREAKSPACE"的，是不存在的unicode字符，所以不應(yīng)該出現(xiàn)在傳輸中：
FF FE: unicode little endian
FE FF: unicode big endian
unicode并非沒有問題的，我們都知道，現(xiàn)在的計(jì)算機(jī)是以字節(jié)為處理單位的，字符串在系統(tǒng)中的表達(dá)已經(jīng)漸漸形成了規(guī)范，我們來舉個(gè)例子：
C中字符串是以'\0'(0x00)結(jié)尾的，當(dāng)計(jì)算機(jī)處理的時(shí)候看到0x00的時(shí)候就知道字符串完了，如果處理的是ANSI編碼自然沒有問題，可是要命的是unicode編碼中很多字符的兩個(gè)字節(jié)中的一個(gè)都是0x00，這樣由c處理就會(huì)被認(rèn)為是字符串結(jié)束標(biāo)志，造成錯(cuò)誤。解決這個(gè)的辦法已經(jīng)有了，就是用wchar_t表達(dá)一個(gè)unicode字符，每次讀取兩個(gè)字節(jié)，以0x0000表示字符串結(jié)束。
另外一個(gè)辦法就是使用偉大的UTF（UCS Transformation Format ）對(duì)Unicode進(jìn)行編碼。
UTF是通用字符編碼傳輸格式，根據(jù)最小編碼單位不同分為分UTF-8（一個(gè)字節(jié)），UTF-16（兩個(gè)字節(jié)），UTF-32（4個(gè)字節(jié)）等，我們這里介紹UTF8。
UTF－8
UTF-8將unicode碼劃分為三段，每一段采用不同的編碼方法：
0x0000-0x007F 0x0******* 一個(gè)字節(jié), 7bit
0x0080-0x07FF 0x110***** 0x10****** 兩個(gè)字節(jié)，11bit
0x0800-0xFFFF 0x1110**** 0x10****** 0x10****** 三個(gè)字節(jié)，16位
注意，一個(gè)字節(jié)的表達(dá)完全與ASCII兼容。
我們現(xiàn)在有這么多的unicode編碼方式，那么怎么判斷一個(gè)文本使用的是哪種呢？對(duì)windows文本文件txt而言，它利用開頭的幾個(gè)字節(jié)來判斷：
EF BB BF UTF-8
FE FF UTF-16/UCS-2, little endian
FF FE UTF-16/UCS-2, big endian
FF FE 00 00 UTF-32/UCS-4, little endian.
00 00 FE FF UTF-32/UCS-4, big-endian.
遺憾的是，ANSI沒有辦法與UNICODE區(qū)分。
最后給大家一個(gè)實(shí)驗(yàn)環(huán)境：
windows記事本的保存選項(xiàng)有個(gè)編碼方式，使用不同的編碼方式編碼文件就會(huì)產(chǎn)生不同的文本代碼，然后你用ultraedit打開這些不同編碼的文本文件，在16進(jìn)制模式下查看，就會(huì)看到區(qū)別了。不過讓我困惑的是，不論它的Unicode編碼方式是什么，文件代碼居然全部都一樣，開頭全部是FFFE，不知道這是為什么。如果哪位知道，請(qǐng)跟個(gè)貼分享一下
