请教：记事本保存同样文本后大小为什么不同

[huantianhuoyan]

系统：XP

实验1：
在记事本中输入一个汉字：汉
保存为unicode格式，通过右键属性查看，大小为4个字节
实验2：
在记事本中输入一个汉字：汉
保存为utf-8格式，通过右键属性查看，大小为6个字节

问题：
1、unicode为双字节编码，本身加上控制字符 汉＋LF（换行）＋CR（回车）＝6字节， 怎么等于4个字节？
2、utf-8编码中，“汉”字占有3个字节,控制字符各占1个字节 汉＋LF（换行）＋CR（回车）＝5字节， 怎么等于6个字节？

[纠结的程序猿]

“汉的”unicode编码是“FF FE 49 6C”
其中“FF FE”是UTF-16的文件头（BOM）

“汉的”的UTF-8编码是“EF BB BF E6 B1 89”
其中“EF BB BF”是UTF-8的文件头（BOM）

[huantianhuoyan]

谢谢pilotedit！
另外，Windows在记事本中每行后面不是自动添加两个控制字符（回车+换行）么，这两个控制字符是否计入文件的大小中？

[纠结的程序猿]

如果有回车换行符，那么回车换行符也会记入文件的大小。具体回车换行符大小由文件类型决定。

如果文件类型是UNIX + UTF16，回车换行符是\n，占用两个字节，编码是 “0A 00 ”
如果文件类型是DOS + UTF16，回车换行符是\r\n，占用四个字节，编码是 “0D 00 0A 00 ”

如果文件类型是UNIX + UTF8，回车换行符是\n，占用一个字节，编码是 “0A ”
如果文件类型是DOS + UTF8，回车换行符是\r\n，占用两个字节，编码是 “0D 0A ”

[ccbccb]

是的，计入的。

[Quote=引用 2 楼 huantianhuoyan 的回复:]
谢谢pilotedit！
另外，Windows在记事本中每行后面不是自动添加两个控制字符（回车+换行）么，这两个控制字符是否计入文件的大小中？
[/Quote]

[纠结的程序猿]

[Quote=引用 2 楼 huantianhuoyan 的回复:]

谢谢pilotedit！
另外，Windows在记事本中每行后面不是自动添加两个控制字符（回车+换行）么，这两个控制字符是否计入文件的大小中？
[/Quote]
记事本不会在每行后面自动添加两个控制字符（回车+换行）。除非是你手工添加。
我用记事本在一个新建的文件中输入“汉”字，然后保存，重新打开后没有回车换行符。

[huantianhuoyan]

总结一下：
在记事本中输入“汉”字，并按下回车键，保存时分别选择不同的字符集格式
1、ANSI格式 大小：4字节
2、UNICODE格式 大小：8字节
3、UTF-8格式 大小：8字节

“汉”的ANSI 编码是 占位 2个字节 ＋ \r\n 占2个字节 ＝ 4个字节
“汉”的UNICODE编码是 “FF FE 49 6C” 占位 4个字节 ＋ \r\n 占4个字节 ＝ 8个字节
“汉”的UTF-8 编码是 “EF BB BF E6 B1 89 占位 6个字节 ＋ \r\n 占2个字节 ＝ 8个字节

非常感谢pilotedit
另外，有什么工具可以直接查看其不同字符集的编码么？我用UE好像只能看UTF16的，GB2312就看不了

[huantianhuoyan]

晕～ 答案不同啊
控制字符是不显示出来的，如果计算大小，那么怎么算啊？

[纠结的程序猿]

没有哪个工具可以明确告诉你这个文本文件是GB2312或ANSI或其它某种字符集。
用PilotEdit可以查看文件类型是ANSI, UTF-8, UTF-16或UTF-16 big endian，同时可以查看十六进制编码，PilotEdit判断得比其他文本编辑器更准确。
http://topic.csdn.net/u/20100327/22/0b5656cb-f2c7-49c5-931c-1bd639ace04d.html