关于编码（encoding）的理解

[cauiot]

我目前的认识：

一个windows下文件常分为二进制文件（.exe，.com等），文本文件（.txt，.html，.xml等），其他特定格式文件（.doc，.xls，.ppt等）

上述二进制文件中存放的是机器指令，应该无encoding之说。
其他某些特定的文件由特定的解释程序进行解释。
剩下的那些文件就涉及了编码格式的要求。

讨论一下.txt和.xml：
（实验）
1：我用editplus建了一个文件test1.txt，默认方式保存；以gb2312保存为test-gb2312.txt，以unicode保存为test-unicode.txt，以utf8保存为test-utf8.txt，以us-ascii保持为test-ascii.txt。
2：用ultraedit的二进制方式打开这些文件，并对比。发现：test1.txt和test-gb2312.txt内容一样；test-unicode.txt和test-utf8.txt内容一样，开头两个字节是fe ff；test-ascii.txt中中文的地方全为3f（?）取代了。
3：结论：其实这些文件用对应的编码解码器解析也就行了。

但是：.xml文件中经常都有<?xml version="1.0" encoding="gb2312" ?>，为什么要有这一句呢？
我的理解是：对于test.xml，这一句表明这篇文档应当由xml解析器如何解析。

好，就写这么多了

[Laone]

<?xml version="1.0" encoding="GB2312"?>的encoding的意思不是你指定什么字符就是什么字符，而是用程序（例如：xmldom）生成xml文件的时候，当要输出或者保存xml文件，程序首先就检索encoding，然后，根据你指定的encoding来convert字符串，最后输出或保存文件

同样，当程序（例如：浏览器）要打开xml文档的时候，找到encoding，然后根据encoding把xml文件里的字符串convert为本地默认字符集，这就是为什么用记事本打开utf-8编码的xml文件，会有看似乱码，但是用IE确可以正确浏览的原因

[速马]

默认为ANSI格式
和GB2312还是有些区别的
unicode和utf-8结果一样吗?
记得应该是unicode不管什么字符都是占用同样大小,utf-8对于0-9,a-z这样的字符占用宽度和ANSI一样
如果没记错的话...

[KAI3000]

http://www.kingbbs.net/bbs/showforum.asp?boardID=12&RootID=18264&ID=18264

[cauiot]

恩，好
看来我的理解和大家的是一样的了