2、字符编码简史：ASCII码的诞生、EASCII的扩展、ANSI与本地化编码

字符编码这事儿，说白了就是给每个字符发一个身份证号。计算机只认0和1，但我们要在上面写英文、中文、日文，怎么办？那就得约定一套规则——哪个数字代表'A'，哪个数字代表'我'。

这套规则，就是字符编码。今天咱们聊聊它的早期历史。我个人觉得，搞懂这段历史，你就能理解为什么后来会出现那么多乱码问题。

2.1 ASCII码的诞生：一个字节的起点

上世纪60年代，美国标准化协会（ANSI的前身）搞出了一套编码方案，叫ASCII（American Standard Code for Information Interchange）。

为什么是7位？因为当时电报和通信设备用的是7位数据位。7位能表示128个字符（2^7=128），对英文来说，够了。

范围	类别	示例
0-31	控制字符	NUL(0)、LF(10)、CR(13)
32	空格	SP
33-47	标点符号	! " # $ % & ' ( ) * + , - . /
48-57	数字	0-9
58-64	标点符号	: ; < = > ? @
65-90	大写字母	A-Z
91-96	标点符号	[ \ ] ^ _ `
97-122	小写字母	a-z
123-127	标点符号	{ | } ~ DEL

我刚开始学编程时，以为ASCII就是全部。后来遇到一个项目，需要处理法语文本，结果é字符直接变成了乱码。嗯，那时候我才意识到——ASCII只覆盖了英语。

2.2 EASCII的扩展：把第8位用起来

既然ASCII只用了7位，那第8位闲着也是闲着。于是，各种扩展ASCII（EASCII）出现了。它们把128-255这128个位置填上了各种符号。

但问题来了——谁来填？

不同的厂商、不同的地区，填的内容完全不一样。比如IBM的Code Page 437，把128-255填上了画线符号、数学符号和一些欧洲字母。而ISO 8859-1（Latin-1）则填上了西欧语言需要的字符。

编码名称	范围	特点
ASCII	0-127	7位，标准英文
Code Page 437	0-255	IBM PC原始字符集，含画线符号
ISO 8859-1	0-255	西欧语言，Latin-1
ISO 8859-5	0-255	西里尔字母（俄语等）
ISO 8859-6	0-255	阿拉伯语

我曾经帮一个同事排查乱码问题。他收到的文件里，所有"é"都变成了"é"。我一看就知道——这是UTF-8编码的文本被当成Latin-1解析了。这种坑，踩过一次就忘不了。

2.3 ANSI与本地化编码：一个混乱的时代

到了80年代，个人电脑普及了。微软在Windows里搞了一套"ANSI"编码的概念。但注意，这个"ANSI"其实是个伪标准——它指的是当前系统区域设置对应的编码。

什么意思？

你在中文Windows上，ANSI编码就是GBK（或GB2312）。你在日文Windows上，ANSI编码就是Shift_JIS。你在西欧Windows上，ANSI编码就是Windows-1252。

这就导致了一个经典问题：你用中文Windows保存了一个文本文件，发给日本同事，他打开全是乱码。为什么？因为他的ANSI编码是Shift_JIS，不是GBK。

本地化编码的典型代表：

• GB2312 / GBK：中国大陆，简体中文。GB2312收录6763个汉字，GBK扩展到了21886个。
• Big5：台湾、香港，繁体中文。收录13053个汉字。
• Shift_JIS：日本，日文。同时支持英文和日文。
• EUC-KR：韩国，韩文。支持韩文字母和汉字。
• Windows-1252：西欧，Latin-1的微软变体。

你想想看，每个地区都有自己的编码。一个软件要支持多语言，就得在代码里写一堆编码转换逻辑。那个年代的程序员，谁没写过几行MultiByteToWideChar和WideCharToMultiByte？

2.4 核心逻辑：一张图看懂早期编码演变

下面这张图，是我自己梳理的。它展示了从ASCII到本地化编码的演变路径。

从这张图可以看得很清楚：ASCII是起点，EASCII是过渡，然后分成了两条路——一条是国际标准（ISO 8859系列），另一条是厂商标准（IBM、微软）。最终，这些标准又演变成了各个地区的本地化编码。

这个时期，编码世界是分裂的。每个地区、每个厂商都有自己的"方言"。直到Unicode的出现，才真正统一了天下。那是下一章的内容了。