22

Quais são as principais diferenças entre os "encodings" Unicode, UTF, ASCII, ANSI?

Todos eles são realmente encodings ou uns são apenas "sub-categorias" dos outros?

Não pretendo saber todos os detalhes de cada um, apenas uma breve de cada e, se possível, como se diferenciam entre si.

7
  • 2
    Eu iria traduzir isso daqui, mas fiquei com preguiça de ver onde o Google "errou". Então deixo para outras respostas.
    – Randrade
    Commented 5/10/2016 às 20:03
  • Logo que escrevi a pergunta eu procurei no SOzão (como de costume) e me deparei com essa. Se ninguém responder, eu mesmo traduzo. Acho interessante ter esse tipo de conteúdo aqui, por isso vou manter a pergunta num primeiro momento =D
    – Jéf Bueno
    Commented 5/10/2016 às 20:05
  • Sua pergunta é excelente para ficar aqui. Só que depois que vejo as respostas do Jon Skeet eu fico com preguiça de responder algo parecido. kkkk
    – Randrade
    Commented 5/10/2016 às 20:10
  • 1
    Eu te entendo, eu te entendo hahaha
    – Jéf Bueno
    Commented 5/10/2016 às 20:11
  • 1
    @jsbueno no meio desses 3 anos e pouco eu acabei lendo (e relendo) isto. Grato pela dica.
    – Jéf Bueno
    Commented 11/03/2020 às 19:00

2 Respostas 2

21

ASCII

American Standard Code for Information Interchange. Como o nome já diz é um padrão que atende bem os americanos. Ele vai do número 0 até 127, sendo que os 32 primeiros e o último são considerados de controle, os demais representam "caracteres imprimíveis", ou seja, reconhecidos por humanos. É bem universal. Pode ser representado com apenas 7 bits, ainda que normalmente se use um byte.

Tabela ASCII

Fica claro que não tem acentos, que os americanos não usam mesmo.

ANSI

Não existe esta codificação.

O termo é American National Standards Institute, o equivalente à nossa ABNT.

Como ele estabeleceu algumas normas de uso de caracteres para atender demandas diversas, muitos encodings (na verdade páginas de códigos) acabam sendo chamados genericamente de ANSI, até para fazer um contraponto ao Unicode que é outra entidade com outro tipo de encoding. Normalmente essas páginas de códigos são consideradas extensões ao ASCII, mas nada impede que algum encoding específico não seja 100% compatível.

Novamente foi uma solução americana para lidar com caracteres internacionais já que o ASCII não atendia bem.

Dependendo do contexto, e até da época, quer dizer uma coisa diferente. Hoje o termo costuma ser usado para o Windows 1252 já que muito da documentação da Microsoft se refere ao seu encoding como ANSI. ISO 8859-1, também conhecido como Latin1, também é muito usado.

Todos encodings chamados de ANSI que conheço podem ser representados por 1 byte.

Então depende do que está falando.

UTF

Sozinho não quer dizer muita coisa. É Unicode Transformation Format. Existem alguns encodings que usam esta sigla. UTF-8, UTF-16 e UTF-32 são os encodings mais conhecidos.

Nos artigos da Wikipedia tem vários detalhes. Eles são bem complexos e quase ninguém sabe usar direito em toda sua plenitude, inclusive eu. A maioria das implementações estão erradas e/ou não atendem ao padrão, especialmente UTF-8.

O UTF-8 é compatível com o ASCII (ele aceita ASCII como caracteres válidos). Mas não com qualquer outro sistema de codificação de caracteres. É a codificação mais completa e mais complexa que existe. Alguns são apaixonados por ela (e este é o melhor termo que achei) e outros odeiam, ainda que reconheçam sua utilidade. É complexa para o humano (programador) entender e para o computador lidar.

O tamanho do UTF-8 e UTF-16 é variável, o primeiro de 1 à 4 bytes (dependendo da versão poderia ir até 6 bytes, mas na prática não acontece) e o segundo é 2 ou 4 bytes. O UTF-32 tem sempre 4 bytes.

Há uma comparação entre eles. Não sei o quanto é preciso. Certamente não é completo.

Unicode

É um padrão para representação de textos estabelecidos por um consórcio. Entre as normas estabelecidas por ele estão alguns encodings. Mas na verdade ele se refere a muito mais que isso. Originou do Universal Coded Character Set ou UCS que era bem mais simples e resolvia quase tudo o que precisava.

Um artigo que todo mundo deveria ler, mesmo que não concorde com tudo o que tem lá.

Os conjuntos de caracteres suportados são separados em planos. Pode-se ter uma visão geral sobre eles no artigo da Wikipedia. Sendo o plano 0 ou BMP o mais usado, disparadamente.

Todos esses padrões são oficializados pela ISO que é a entidade internacional que regula normas técnicas.

Tem relação com UTF.

Coloquei no GitHub para referência futura.

2
  • Eita, ficou bem melhor :/ ... se eu soubesse que tu tava na área tinha esperado XD +1
    – Syzoth
    Commented 5/10/2016 às 20:19
  • 1
    É que eu fui fazendo de cabeça o que fui lembrando, depois sai corrento atrás de links e dar uma melhorada. Eu achei essa resposta no SO, achei mais ou menos, mas está certa, então tb ganhou +1 (meu último voto pra hoje)
    – Maniero
    Commented 5/10/2016 às 20:36
14

Conforme o @randrade linkou, fiz uma tradução rápida, removi algumas coisas sobre programação especifica e sobre coisas opinativas, também tentei não deixar ao pé da letra a tradução (meu inglês é +ou- vou revisar).

  • "Unicode" não é uma codificação especifica, ele se refere a qualquer codificação que usa a união de códigos para formar um caractere.

  • UTF-16: São 2 bytes por "unidade de código".

  • UTF-8: Neste formato cada caractere varia entre 1 e 4 bytes. Sendo que valores ASCII usam 1 byte cada

  • UTF-32: Este formato usa 4 bytes por "ponto de código" (provavelmente para formar um caractere).

  • ASCII: Usa um único byte para cada caractere, ele usa apenas 7bits para representar todos caracteres (O Unicode usa de 0-127), ele não inclui acentos e vários caracteres especiais.

  • ANSI: Não há um padrão fixo para esta codificação, existem vários tipos na verdade. Um exemplo bem comum seria Windows-1252.

Outros tipo você pode encontrar informações em unicode.org e possivelmente este link pode lhe ser util code charts.

Detalhe:

1 byte equivale a 8 bits

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .