這些東西是自己在知乎上看的，摘抄下來，以便以後查閱，主要內容有：字符集與編碼、byte order mark等。
在windows中經常需要用到多字元與寬字元的轉換方法，多字元（multichar）也就是ansi編碼的方式，而寬字元（widechar）也就是unicode編碼的方式。
ansi是預設的編碼方式。對於英文檔案是ascii編碼，對於簡體中文檔案是gb2312編碼（只針對windows簡體中文版，如果是正體中文版會採用big5碼）。
回答的作者是梁海
簡答。一些細節暫無精力查證，如果說錯了還請指出。
一句話建議：涉及相容性考量時，不要用記事本，用專業的文字編輯器儲存為不帶 bom 的 utf-8。
* * *
如果是為了跨平台相容性，只需要知道，在 windows 記事本的語境中：
gbk 等遺留編碼最麻煩，所以除非你知道自己在幹什麼否則不要再用了。
utf-16 理論上其實很好，位元組序也標明了，但 utf-16 畢竟不常用。
utf-8 本來是相容性最好的編碼但 windows 偏要加 bom 於是經常出問題。
所以，跨平台相容性最好的其實就是不用記事本。
建議用 notepad++ 等正常的專業文字編輯器儲存為不帶 bom 的 utf-8。
另外，如果文字中所有字元都在 ascii 範圍內，那麼其實，記事本儲存的所謂的「ansi」檔案，和 ascii 或無 bom 的 utf-8 是一樣的。
* * *
阮一峰那篇〈字元編碼筆記：ascii，unicode和utf-8〉的確很有名，但從那篇文章能看出來他其實還是沒完全搞清楚 unicode 和 utf-8 的關係。他依舊被 windows 的混亂措詞誤導。事實上，幾年前我讀完他那篇文章之後依舊一頭霧水，最終還是自己看維基百科看明白的。
* * *
關於字符集（character set）和編碼（encoding），某幾篇答案中似乎有些混淆。
對於 ascii、gb 2312、big5、gbk、gb 18030 之類的遺留方案來說，基本上乙個字符集方案只使用一種編碼方案。
比如 ascii 這部標準本身就直接規定了字元和字元編碼的方式，所以既是字符集又是編碼方案；而 gb 2312 只是乙個區位碼形式的字符集標準，不過實際上基本都用 euc-cn 來編碼，所以提及「gb 2312」時也說的是乙個字符集和編碼連鎖的方案；gbk 和 gb 18030 等向後相容於 gb 2312 的方案也類似。
於是，很多人受這些遺留方案的影響而無法理解字符集和編碼的關係。
對於 unicode，字符集和編碼是明確區分的。unicode/ucs 標準首先是個統一的字符集標準。而 unicode/ucs 標準同時也定義了幾種可選的編碼方案，在標準文件中稱作「encoding form」，主要包括 utf-8、utf-16 和 utf-32。
所以，對 unicode 方案來說，同樣的基於 unicode 字符集的文字可以用多種編碼來儲存、傳輸。
所以，用「unicode」來稱呼乙個編碼方案不合適，並且誤導。
* * *
[1] windows 裡說的「ansi」其實是 windows code pages，這個模式根據當前 locale 選定具體的編碼，比如簡中 locale 下是 gbk。把自己這些 code page 稱作「ansi」是 windows 的
臭毛病。在 ascii 範圍內它們應該是和 ascii 一致的。
[2] 把帶有 bom 的小端序 utf-16 稱作「unicode」也是 windows 的
臭毛病。windows 從 windows 2000 開始就已經支援 surrogate pair 了，所以已經是 utf-16 了，「ucs-2」這個說法已經不合適了。ucs-2 只能編碼 bmp 範圍內的字元，從 1996 年起就在 unicode/iso 標準中被 utf-16 取代了（utf-16 通過蛋疼的 surrogate pair 來編碼超出 bmp 的字元）。都十多年了，求求大家別再誤稱了……
[3] 把帶 bom 的 utf-8 稱作「utf-8」又是 windows 的
臭毛病。如果忽略 bom，那麼在 ascii 範圍內與 ascii 一致。
* * *
utf-8 不需要 bom，儘管 unicode 標準允許在 utf-8 中使用 bom。
所以不含 bom 的 utf-8 才是標準形式，在 utf-8 檔案中放置 bom 主要是微軟的習慣（順便提一下：把帶有 bom 的小端序 utf-16 稱作「unicode」而又不詳細說明，這也是微軟的習慣）。
bom（byte order mark）是為 utf-16 和 utf-32 準備的，用於標記位元組序（byte order）。微軟在 utf-8 中使用 bom 是因為這樣可以把 utf-8 和 ascii 等編碼明確區分開，但這樣的檔案在 windows 之外的作業系統裡會帶來問題。
* * *
形如——
&#dddd;
&#xhhhh;
&#name;
——的一串字元是 html、xml 等 sgml 類語言的轉義序列（escape sequence）。它們不是「編碼」。
以 html 為例，這三種轉義序列都稱作 character reference：
前兩種是 numeric character reference（ncr），數字取值為目標字元的 unicode code point；以「&#」開頭的後接十進位制數字，以「&#x」開頭的後接十六進製制數字。
後一種是 character entity reference，後接預先定義的 entity 名稱，而 entity 宣告了自身指代的字元。
從 html 4 開始，ncr 以 unicode 為準，與文件編碼無關。
「中國」二字分別是 unicode 字元 u+4e2d 和 u+56fd，十六進製制表示的 code point 數值「4e2d」和「56fd」就是十進位制的「20013」和「22269」。所以——
中國中國
——這兩種 ncr 寫法都會在顯示時轉換為「中國」二字。
ncr 可以用於轉義任何 unicode 字元，而 character entity reference 很受限，參見 html 4 和 html5 中已有定義的字元列表。
字符集與編碼
前言 今天notepad 檢視測試傳過來的乙個log，開啟後竟然有部分亂碼，無法檢視完整資訊，嘗試更改編碼後仍未能解決，同事告知使用瀏覽器開啟或許可以，於是搗鼓一下，使用瀏覽器開啟並選擇編碼unicode utf 8 後終於正常顯示，順利解決問題。亂碼顯示的問題以前也經常遇到，從未認真對待過，剛好稱...
字符集與編碼
乙個位元 bit 可以是0，或者是1，8個位元 bit 組成乙個位元組 byte 全為0時代表數字0，全為1時代表數字255。乙個位元組可以表示256個數字，兩個位元組可以表示65536個數字。更多的位元組，可以有更多的組合，就可以表示更大的數值範圍。整數可以這麼存，那字元呢？一堆二進位制的0和1，...
字符集與字元編碼
字符集 字符集是各種文字和符號的總稱，也就是多個字元的集合，而常見的字符集有 ascii字符集 iso 8859字符集 gb 2312字符集 big 5字符集 gbi 8030字符集 unicode字符集等。計算機要能夠識別和儲存各種字元，就要對各種字符集進行字元編碼。字元編碼 編碼和字符集不同，字...