Кодировки для хранения русского текста

Рассмотрим кодировки, которые в нижней своей части совпадают с ASCII.

Кодировка utf-8

• Преимущества:
  • может хранить не только русский текст
  • как следствие - универсальная
  • как следствие - хранит и абсолютно все типографические символы (различные варианты кавычек и т.д.)
• Недостатки:
  • символ кодируется переменным числом байт
  • как следствие - utf-8 файл вообще говоря не текстовый, а бинарный.
  • на хранение русских символов требуется более одного байта.

Кодировка koi8-r

От КОИ8 (код обмена информацией 8 битный)

Распространена среди в unix-системах. В последнее время вытесняется utf-8, но не до конца.

• Преимущества:
  • русские буквы смещены относительно аналогичных (фонетически) английских на 128. Т.е. если от кода русской буквы 'ц' убрать старший бит (от равен 1), то получим C (а для 'Ц' - 'c');
• Недостатки:
  • буквы русского алфавита расположены не по порядку ( А<Ц<Б )

Кодировка cp866

Использовалась на IBM-совместимых системах. Присутствует в Windows-консоли.

• Преимущества:
  • псевдографические символы совпадают с cp437
• Недостатки:
  • почти нет (разве что отсутствие значка копирайта).

Кодировка windows-1251

Основная кодировка в Windows-системах (русских).

• Преимущества:
  • большое количество типографических знаков (например, русские кавычки)
• Недостатки:
  • нет символов псевдографики (то, из чего рисуют рамочки в терминале), поэтому в самих Windows для этих целей приходится использовать cp866 (что делает несовместимым текст программы и результат ее выполнения).