urlencode和文本编码

电脑中一个字符大都用八位数的二进制数字表示，标准的ANSI编码规范规定0～127总共128个数字代表信息（字母，数字，标点，控制码，空格等），剩下没用到的128个编码没用做规定，不同国家地区制定了不同的标准，由此产生了GB2312，BIG5以及JIS等各自的编码标准。这些使用 2 个字节（0x80~0xFF范围内）来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码。不同 ANSI 编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。

ISO-8859-1(2,3...)是欧美以及拉丁地区的编码方式，通过使用剩下的128位来扩充自己国家语言的编码

事实证明，对可以用ASCII表示的字符使用UNICODE并不高效，因为UNICODE比ASCII占用大一倍的空间

我们通过UrlEncode函数即可得到汉字的编码，比如对ANSI编码的asp代码，和UTF-8编码的asp代码执行urlecode得到的结果就不一样。

<%
     Response.Write(Server.URLpathencode("花心"))
     ' 得到 %BB%A8%D0%C4
%>

上面是ANSI编码的文本，下面是UTF-8编码的代码文件，编码结果大不一样

<%
     Response.Write(Server.URLEncode("花心"))
     ' 得到 %E8%8A%B1%E5%BF%83
%>

同样针对ANSI编码的php脚本和UTF-8编码的脚本调用同样的函数也是不同结果

<?php
echo urlencode("花心");
// %BB%A8%D0%C4
?>

<?php
echo urlencode("花心");
// E8%8A%B1%E5%BF%83
?>

针对某种编码encode后的结果需要用同样编码的文本格式解码才可读，不然就是一堆乱码。所以我们在程序中最好做到编码统一，比如统一使用utf8这种全球通用包含各种语言文字的编码。

下面再看看ansi，unicode，unicode big endian，utf8编码的文件用十六进制打开的样子：同样的文本“a花心”

ANSI                61  BB  A8  D0  C4
UNICODE             FF  FE  61  00  B1  82  C3  5F
UNICODE-BIG-ENDIAN  FE  FF  00  61  82  B1  5F  C3
UTF-8               EF  BB  BF  61  E8  8A  B1  E5  BF  83

可以看出第一种编码方式全部都是文本信息，后面三种都有头部表示自己的信息，所以ANSI中也没有用FE FF来编码的汉字（为了不冲突）UNICODE中对字母的编码也是采用了2个字符，增加了冗余。我们比较ANSI和UTF-8编码的格式，可以看到正好就是我们urlencode后的结果