从ANSI编码是啥说起
在 Windows 记事本的语境中：
所谓的「ANSI」指的是对应当前系统 locale 的遗留（legacy）编码。
梁海的回答 - 知乎
¶所谓编码
也许你曾试着购买东方Project正作游戏，或别的什么非英语内容：
扔进光驱，兴冲冲安装之后，点开附带的omake.txt文档，你会发现和安装时就遇到的一样，大部分成了乱码：
奇怪的是，英文、数字、以及一些符号部分并没有变成乱码，这时你就明白，该死的编码问题又出现了。一直到几年前，Windows记事本的默认编码都是写在右下角的ANSI（现在已经是UTF-8），这是什么编码呢？
当你在简体中文Windows环境下用记事本写一个ANSI编码的文件，再用VS Code这种对各种编码都支持良好的编辑器打开它，编辑器所识别的编码是中国的国标码GB 2312。
而日本的“国标码”是Shift JIS编码，前面提到的omake.txt是不是用这个编码写成的呢？
答案是肯定的。
为什么同样写着ANSI，实际上却是不同的编码？
花了一上午搜集了些资料，发现这个问题背后的故事远比想象中复杂，接下来就整理整理。
¶梦回1963
¶ASCII
这段历史故事要从计算机的“蛮荒”年代1963年开始说起。
ANSI指的是美国国家标准学会。1963年时的ANSI还叫作ASA（美国标准协会），以电报码为基础制定了大名鼎鼎的ASCII（美国信息交换标准代码）编码。这套编码共有128个字符，由7位二进制进行编号。ASCII的0~31号，再加上最后的127号“Delete字符”是33个不被显示的“控制字符”，其余95个字符正好与标准键盘符合。
可以对着键盘计算一下：数字行有10个数字键和3个符号键，字母行有26个字母键和8个符号键。而每个键都可以用Shift表示两个字符：
(10+3+8+26)*2 = 94
怎么还少一个？因为010 0000的“空格”也是一个字符，与000 0000的“空字符”并不等同，所以一共就是ASCII中的95个可显示字符。
¶EASCII
ASCII虽短小精悍，符号可能足够美国的电报系统使用，但要在计算机世界推行开来就有两个问题（我口胡的）：
- 计算机的存储需要“对齐”，编码位数如果是2的整数幂，如8位会更方便、效率更高。而ASCII只有7位；
- ASCII没有法语德语等所包含的衍生拉丁字母，难以在欧洲实行，符号也不够全。
因此在70、80年代，EASCII（延伸美国标准信息交换码）应运而生，通过把ASCII扩展到8位，就又可以加入128个字符。但EASCII没有形成统一的标准，而是有数种互不兼容的方案，这里讲两个影响力较大的：
¶Code page 437
这是由IBM制定的标准，在1981年发布的原始IBM PC上采用。它扩展了衍生拉丁字母、希腊字母和一些表格符号等，还将ASCII中那些已被弃用却无法显示的控制字符做成了一些特殊符号，如很具有标志性的两个笑脸——0x01和0x02。设计思路基本来自于当时与IBM分庭抗礼的王安电脑。
由于后来IBM PC的巨大成功以及微软和IBM之间的渊源，这套标准在MS-DOS里流传下来，这也就是我们在使用DOSBox的汇编实验里，在Borland Turbo Debugger中所见到的：
¶ISO/IEC 8859
这个8位字符集标准由ISO（国际标准化组织）及IEC（国际电工委员会）联合制定，其中包含ISO/IEC 8859-1到ISO/IEC 8859-16，但没有12号的15套扩展方案。而每一套方案就是扩展了一个地区的语言符号。这里贴出扩展了西里尔字母的ISO/IEC 8859-5：
这项工作最早并不是由ISO和IEC启动的，而是由ANSI和ECMA（欧洲计算机制造商协会）。他们于1985年公布ECMA-94，即后来的ISO/IEC 8859 parts 1, 2, 3, 4。
80年代雄霸西方，如今却只能在敖厂长的视频里见到的Commandore 64使用的就是ISO/IEC 8859，这也见证了那个IBM、苹果、Commandore、雅达利群雄并起的时代。
另外需要提及的是Windows-1252，即Code page 1252，这是西方文字版本Windows（而不是MS-DOS）中默认的字符集，是ISO/IEC 8859-1的超集。虽然并非是真正的ANSI标准或ISO标准，但却是最流行的。在微软投向国际标准化、Windows普及开来之后，Code page 437也就逐渐消失了。
¶东方宽字符
80年代计算机在汉字文化圈逐渐流行时，情况又不妙了起来：汉字数量太多，一个字节的8位也不够用了。那么就用两个甚至多个字节来表示一个字符吧，这就是所谓的“宽字符”。不过东方世界的剧情稍有变化，因为此时已有ISO/IEC 2022这一技术规范指导东方文字的编码。中国大陆由此制定了包含6763个汉字的国标码GB 2312，覆盖了绝大多数使用环境。许多生僻字没法处理，于是后来又制定了加入更多汉字的GBK，即国标扩展。但GB 2312留下来的坑一直遗留到最近几年，让名字里有生僻字的人乘飞机或办手续都麻烦不少。
日本产业标准调查会JISC也根据ISO/IEC 2022进行了一系列骚操作，最终形成了Shift JIS。通行于港澳台的Big5也于此时诞生。
微软要在系统里支持这么多种编码，只好使用Windows code page这个值（可以用chcp命令查看）来代表当前系统的编码标准。可能这些五花八门的编码基本都发源于ISO/IEC，往上再追溯一下就到了ANSI的ASCII，于是微软模糊地用ANSI来概括了这一切，即我们在Windows中所看到的ANSI并不是某种特定的编码，而是当前区域所使用的编码标准。Windows简体中文系统的Code page是936，早期对应的是GB 2312，在Windows 95之后成为了GBK。而前面所见的Code page 437和Code page 1252也都是这套玩意的一部分。
Code page代码页的机制也体现在Linux中，只是Linux没有“ANSI”这种不科学不严谨的Windows特色表述。而且Linux诞生于1991年的近代，许多历史包袱大可以免去，很快也就支持了Unicode。
啊，Unicode当然才是最重要的一页。
¶Unicode拯救世界
这种乱七八糟的情况持续到80年代末，无论是ISO还是业界都看不下去了。ISO于1988年开始制定ISO 10646通用字符集；几乎与此同时，Apple和Xerox等软件制造商组成Unicode联盟，开始制定Unicode。但他们发现如果两边各自为政，世界又会再次分裂，就像已经对立了几十年的美苏冷战；于是他们开始合作，ISO 10646和Unicode最终基本成了同一样东西——所有的字符都在相同的位置并且有相同的名字。
Unicode编码点分为17个平面（plane），每个平面包含2^16（即65536）个码位（code point）。17个平面的码位可表示为从U+xx0000到U+xxFFFF，其中xx表示十六进制值从0x00到0x10，共计17个平面。
1991年，Unicode 1.0.0横空出世，几乎整合了所有西方字母文字；
1992年，中日韩统一表意文字（CJK Unified Ideographs）被定义并加入Unicode。
此后，开放合作、兼容并包成为天下大势，几乎所有能被形容为“现代”的计算机世界物体都支持了Unicode，Unicode本身也在不断发展，不再是一个单纯的“编码”，而是一种标准，包含了Unicode编码方式和多种实现方式，即所谓的Unicode转换格式UTF。你现在所看到的这个网页，使用的就是UTF-8编码实现方式。
关于Unicode的更多内容，这里有一篇讲的很清晰的文章：
细说：Unicode, UTF-8, UTF-16, UTF-32, UCS-2, UCS-4
¶“字符集”与“编码”
前面说了这么多，表述中又有“字符集”（character set），又有“编码”（character encoding），它们到底区别在哪？
“字符集” 当然是字符的“集”，是各种文字和符号的总称。这指明了有哪些字符是被需要的，以及它们长什么样（字形）。不少汉字在不同区域有不同的写法，字形不统一的情况下如何取舍，就属于字符集的范畴。
“字符编码” 是将字符集中的每一个字符都用一串二进制数表示的方法。当我们谈论GB 2312时，我们所说的其实是GB 2312字符集，以及用于对其进行编码的EUC-CN编码方案，这两个事物组合起来才是所谓的“GB 2312编码”。Unicode最“正统”的编码方案是UTF-32，但结合二八定律还是UTF-8更加实用，因此“Unicode编码”的说法是不准确的，所谓的Unicode更像是字符集。
¶U+5F41 彁
最后，又要首尾呼应地回到东方Project。
彁，这是前面所说的Shift JIS形成的早期，被1978年通商产业省制定的JIS C 6226错误收录的29个不存在的“幽灵汉字”之一。这些汉字一时不知读音、含义也不知具体出典，令人迷惑。
| 幽灵汉字 | ||
|---|---|---|
| 垉（52区21点） | 垈（52区18点） | 墸（52区55点） |
| 壥（52区63点） | 妛（54区12点） | 岾（54区19点） |
| 彁（55区27点） | 恷（55区78点） | 挧（57区43点） |
| 暃（58区83点） | 椦（59区91点） | 橸（60区81点） |
| 汢（61区73点） | 熕（63区80点） | 碵（66区83点） |
| 穃（67区46点） | 粐（68区68点） | 粭（68区70点） |
| 粫（68区72点） | 糘（68区84点） | 膤（71区19点） |
| 蟐（74区12点） | 袮（74区57点） | 軅（77区32点） |
| 鍄（78区93点） | 閠（79区64点） | 靹（80区56点） |
| 駲（81区50点） | 鵈（82区94点） |
1997年，日本对这29个字进行了深入的调查。他们发现其中一些字来自名字极生僻的地名，如静冈县的石橸（いしだる），另一些是被误写、误认的错别字，如“𡚴”被记成了“妛”……最终，29个幽灵汉字中有28个成功找到了来源，“成佛得脱”。
唯独彁字，跨越不知多少年，仍然是个谜。
但它就此被保留下来，从JIS C 6226到Shift JIS，到CJK，最后成为Unicode中的“U+5F41”，成为全世界计算机中不可分割的一部分。
也许这个字确实存在其出处，但在这数十年间终于连其最后的出典也散佚。如今留下的只有这永存的痕迹，作为描绘“现实”的字符集中唯一的“幻想”，与相信着车库中有喷火龙的人类一起迈向宇宙的终焉。