请教电脑高手：中文字符编码问题

请教电脑高手：中文字符编码问题

那个是ANSI，不是ASCII。这涉及到一个代码页的问题，简体中文系统的编码是GBK，它是一种基于ASCII的编码方式，代码页是936。这种编码方式采用的避免出现乱码的方法是，尽量避免使用26个英文字母和常用数字，用ASCII编码的制表符区域以及尽可能不常见的字母组合来避免乱码的问题。但这样会导致其他代码页的ANSI编码产生乱码，如法语的Français在中文系统会误认成Fran鏰is，因为ç编码是$E7，a的编码是$61，$E761这个编码正好是GBK代码页中的“鏰”字。但是这样处理对付英语和汉语已经足够了，每次记事本打开ANSI编码的文档时，都是以简体中文的936代码页进行解析的，所以你能看到正常的文字。不知你玩儿过日本的游戏没有，他们的安装光盘里的TXT说明文件如果不以Unicode方式保存，在简体中文的机器上就是乱码，其他语言也一样，都是因为代码页的不同。

可能你会问，为什么AB、CD这样的组合不会乱码？那是因为GBK编码页考虑到了所有这样的组合，在$4142、$4344两处都没有设置任何字符，如果它设置了就肯定会乱码。ç不包含在英语字符里，因此GBK放心大胆以它开头去编码双字节汉字，导致了前面说的Fran鏰is问题。一般来说ANSI的编码为了迎合英语，都把前127个字符($7F前)设置的和ASCII里一模一样，以防止乱码发生，当然也有例外，如JIS-Shift和韩文编码将反斜线的编码\($5C)代换了。在命令提示符里输入Edit打开DOS下的编辑器，那个是真正只认ASCII的编辑器，在那里中文自然就是乱码了，和DOS时代你开CCED之类的中文处理软件之前没开UCDOS看到的情形是相似的，和你在Windows 98的那个MS-DOS窗口模式下显示制表符，将连续的表格线━━($C4 C4)识别为“哪（$C4C4）”字的情形也很相似。可以做个试验，在记事本里输入Bush hid the facts或者“联通”再保存，内容也会变成乱码（XP之后系统无效），因为记事本是一种较为低级的编辑器，一些早期的文本编辑器由于设计不良，不会在文件头部加入表示编码的$FF FE或$FE FF标识（因为它们可能被设计为只支持一种编码），因此记事本会调用IsTextUnicode去判断是什么代码页，它误将1252代码页判断为UTF-16LE导致解析错误。而“联通”的问题则是GBK代码页编码$C1AA CDA8不小心在IsTextUnicode里符合UFT-8的编码标准。

当然以上是两种极端的情况，大部分情况下，特别是文字非常多的时候，系统的代码页判断是正确的，因此你看不到记事本乱码。不过，记事本只有两种编码页功能，一种是ANSI页，一种是Unicode页，ANSI页的编码页就取决于你使用的操作系统文字代码页。所以看外文ANSI代码页的TXT时仍有可能乱码。

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息