作者： muyu

http://www.newsunday.com/blogview.asp?logID=2531
在网上冲浪，总要有个网络硬盘，这样一是可以保存自己重要的资料，相当于给重要资料做个备份，毕竟有时候硬盘也不太可靠；二是如果外出，只要有网络，就可以方便地找到自己的资料进行处理；三是把网络硬盘做为一个资料分享的场所，通过它把自己的资源与好友共享。
　　
　　根据我的分析和归类，现在的网络硬盘大致有四种类型：（以下只是自己一些试用的经验，如有不符，欢迎指正。）
　　
　　一、专业的网络硬盘。
　　
　　功能专业，只提供网络硬盘的服务，上传下载的速度以及文件共享方面做得比较好。
　　
　　蜂盘 http://www.1g.cn
　　100M空间，基于资源管理器访问，使用非常方便，和本地硬盘使用差不多，速度也很快，蜂盘提倡资源共享，分享蜂友的蜂盘里共享的所有东东。现在使用的人也越来越多了,蜂盘是目前互联网上我用过的最好的网络硬盘。
　　
　　Vdisk http://www.vdisk.cn
　　100M，需要客户端才可上传文件，而且速度不太稳定，类似于蜂盘的一个东东，不过现在有绿色免安装版的客户端程序，也可以共享资源，值得一提的是它可以在线搜索共享资源。
　　
　　永硕E盘 http://www.ys168.com/
　　20M，比较稳定，平时速度还不错，而且可以收藏网址，浏览者也可以留言，对于小于0.3M的jpg,gif,bmp,txt文件可以直接打开，不爽的是有文件和流量的限量。
　　
　　
　　二、从电子邮箱或是个人主页发展而来的web方式网络硬盘。
　　
　　这类一般是最初提供邮箱或是主页空间，后来把网络硬盘做为一个附加的功能加上去的。因此两者都是登录之后，统一在一起进行操作的。功能上也比较完善了。比如可以实现网络硬盘密码共享、文件批量上传等。web方式的网络硬盘随着互联网的发展，迟早要会被淘汰的，因为http文件传输协议有先天性的残疾，大文件传不上去，速度慢，传输过程是明码的。这类型的网络硬盘有：
　　
　　雅虎公文包 http://cn.briefcase.yahoo.com/
　　30M，虽然空间不大，而且速度不太理想，不过使用它只要一个理由，可靠。有什么比可靠更能打动人呢？雅虎总不会说关闭就关闭你帐户吧？
　　
　　K65 http://www.k65.net/
　　电子邮箱、网络硬盘、电子相册三合一，无限空间，试用感觉不错，不过不知道能不能一直免费下去？
　　
　　35网络U盘 http://ud.35.com
　　同K65一样也是三合一的空间，有客户端和在线两种上传方式，还可以添加U盘邻居，与好友资源共享，只是不知道免费用户的时效是多久。
　　
　　MSN 用户的免费网络磁盘
　　微软提供的免费午餐，使用非常方便，在网上邻居[MSN 上的“我的网站”]就可以进入，就是容量太小。
　　
　　万吉网络硬盘 http://netdisk.9999g.com/
　　32M，网络硬盘与个人主页捆绑，空间共享，安装控件可实现批量上传和文件续传，并有文件共享的功能。
　　
　　台湾蕃著藤网路硬碟 http://webhd.yam.com
　　6M，上传文件有2M限制，对中文支持不太好，可文件共享，若连续45天没登入，将被清空。要求太严格，不推荐使用。
　　
　　SUPER DOG http://www.beshou.com/superdog/
　　这个比K65更夸张，集合了文件存储、电子相册、记事本、网址收藏、通讯薄、日程安排、涂鸦板、名站导航、网上社区、休闲娱乐等功能于一体。这么多的功能，而网址对应的却只是“全球商业搜索”网站下的一个虚拟目录，这让我有些不敢放心，不推荐使用。
　　
　　
　　三、大文件中转空间。
　　
　　并不是属于你的空间，只是替你暂时保管，有存放时间限制。
　　
　　中国活动通信 http://www.mofile.com/
　　32M的保管箱和512M的接力站，前者是永久保存，后者只能保存三天。最大的用处就是可以存放和提取大文件。也因为文件大，断线或错误的可能性大，所以有断点续传的功能（系统要安装Java虚拟机）。
　　
　　无忧备份 http://www.51bak.net
　　跟mofile差不多，不同的是可以上传单个1G的文件，免费保存20天，安装客户端可以实现断点续传。
　　
　　
　　四、IM软件附加的网络硬盘。
　　
　　比如QQ和UC的网络硬盘，不过毕竟是附加的功能，IM软件主要还是以网络即使信息联系为主，所以这类的网络都需要安装IM软件才能上传文件，而且自己要提取和朋友下载都不是太方便。所以就不详细介绍了。

http://dev.csdn.net/develop/article/69/69883.shtm
这是一篇程序员写给程序员的趣味读物。所谓趣味是指可以比较轻松地了解一些原来不清楚的概念，增进知识，类似于打RPG游戏的升级。整理这篇文章的动机是两个问题：
问题一：
使用Windows记事本的“另存为”，可以在GBK、Unicode、Unicode big endian和UTF-8这几种编码方式间相互转换。同样是txt文件，Windows是怎样识别编码方式的呢？
我很早前就发现Unicode、Unicode big endian和UTF-8编码的txt文件的开头会多出几个字节，分别是FF、FE（Unicode）,FE、FF（Unicode big endian）,EF、BB、BF（UTF-8）。但这些标记是基于什么标准呢？
问题二：
最近在网上看到一个ConvertUTF.c，实现了UTF-32、UTF-16和UTF-8这三种编码方式的相互转换。对于Unicode(UCS2)、GBK、UTF-8这些编码方式，我原来就了解。但这个程序让我有些糊涂，想不起来UTF-16和UCS2有什么关系。
查了查相关资料，总算将这些问题弄清楚了，顺带也了解了一些Unicode的细节。写成一篇文章，送给有过类似疑问的朋友。本文在写作时尽量做到通俗易懂，但要求读者知道什么是字节，什么是十六进制。
0、big endian和little endian
big endian和little endian是CPU处理多字节数的不同方式。例如“汉”字的Unicode编码是6C49。那么写到文件里时，究竟是将6C写在前面，还是将49写在前面？如果将6C写在前面，就是big endian。还是将49写在前面，就是little endian。
“endian”这个词出自《格列佛游记》。小人国的内战就源于吃鸡蛋时是究竟从大头(Big-Endian)敲开还是从小头(Little-Endian)敲开，由此曾发生过六次叛乱，其中一个皇帝送了命，另一个丢了王位。
我们一般将endian翻译成“字节序”，将big endian和little endian称作“大尾”和“小尾”。
1、字符编码、内码，顺带介绍汉字编码
字符必须编码后才能被计算机处理。计算机使用的缺省编码方式就是计算机的内码。早期的计算机使用7位的ASCII编码，为了处理汉字，程序员设计了用于简体中文的GB2312和用于繁体中文的big5。
GB2312(1980年)一共收录了7445个字符，包括6763个汉字和682个其它符号。汉字区的内码范围高字节从B0-F7，低字节从A1-FE，占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。
GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个字符。2000年的GB18030是取代GBK1.0的正式国家标准。该标准收录了27484个汉字，同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。现在的PC平台必须支持GB18030，对嵌入式产品暂不作要求。所以手机、MP3一般只支持GB2312。
从ASCII、GB2312、GBK到GB18030，这些编码方法是向下兼容的，即同一个字符在这些方案中总是有相同的编码，后面的标准支持更多的字符。在这些编码中，英文和中文可以统一地处理。区分中文编码的方法是高字节的最高位不为0。按照程序员的称呼，GB2312、GBK到GB18030都属于双字节字符集 (DBCS)。
有的中文Windows的缺省内码还是GBK，可以通过GB18030升级包升级到GB18030。不过GB18030相对GBK增加的字符，普通人是很难用到的，通常我们还是用GBK指代中文Windows内码。
这里还有一些细节：
GB2312的原文还是区位码，从区位码到内码，需要在高字节和低字节上分别加上A0。
在DBCS中，GB内码的存储格式始终是big endian，即高位在前。
GB2312的两个字节的最高位都是1。但符合这个条件的码位只有128*128=16384个。所以GBK和GB18030的低字节最高位都可能不是1。不过这不影响DBCS字符流的解析：在读取DBCS字符流时，只要遇到高位为1的字节，就可以将下两个字节作为一个双字节编码，而不用管低字节的高位是什么。
2、Unicode、UCS和UTF
前面提到从ASCII、GB2312、GBK到GB18030的编码方法是向下兼容的。而Unicode只与ASCII兼容（更准确地说，是与ISO-8859-1兼容），与GB码不兼容。例如“汉”字的Unicode编码是6C49，而GB码是BABA。
Unicode也是一种字符编码方法，不过它是由国际组织设计，可以容纳全世界所有语言文字的编码方案。Unicode的学名是”Universal Multiple-Octet Coded Character Set”，简称为UCS。UCS可以看作是”Unicode Character Set”的缩写。
根据维基百科全书(http://zh.wikipedia.org/wiki/)的记载：历史上存在两个试图独立设计Unicode的组织，即国际标准化组织（ISO）和一个软件制造商的协会（unicode.org）。ISO开发了ISO 10646项目，Unicode协会开发了Unicode项目。
在1991年前后，双方都认识到世界不需要两个不兼容的字符集。于是它们开始合并双方的工作成果，并为创立一个单一编码表而协同工作。从Unicode2.0开始，Unicode项目采用了与ISO 10646-1相同的字库和字码。
目前两个项目仍都存在，并独立地公布各自的标准。Unicode协会现在的最新版本是2005年的Unicode 4.1.0。ISO的最新标准是10646-3:2003。
UCS规定了怎么用多个字节表示各种文字。怎样传输这些编码，是由UTF(UCS Transformation Format)规范规定的，常见的UTF规范包括UTF-8、UTF-7、UTF-16。
IETF的RFC2781和RFC3629以RFC的一贯风格，清晰、明快又不失严谨地描述了UTF-16和UTF-8的编码方法。我总是记不得IETF是Internet Engineering Task Force的缩写。但IETF负责维护的RFC是Internet上一切规范的基础。
3、UCS-2、UCS-4、BMP
UCS有两种格式：UCS-2和UCS-4。顾名思义，UCS-2就是用两个字节编码，UCS-4就是用4个字节（实际上只用了31位，最高位必须为0）编码。下面让我们做一些简单的数学游戏：
UCS-2有2^16=65536个码位，UCS-4有2^31=2147483648个码位。
UCS-4根据最高位为0的最高字节分成2^7=128个group。每个group再根据次高字节分为256个plane。每个plane根据第3个字节分为256行 (rows)，每行包含256个cells。当然同一行的cells只是最后一个字节不同，其余都相同。
group 0的plane 0被称作Basic Multilingual Plane, 即BMP。或者说UCS-4中，高两个字节为0的码位被称作BMP。
将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。在UCS-2的两个字节前加上两个零字节，就得到了UCS-4的BMP。而目前的UCS-4规范中还没有任何字符被分配在BMP之外。
4、UTF编码
UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：
UCS-2编码(16进制) UTF-8 字节流(二进制)
0000 – 007F 0xxxxxxx
0080 – 07FF 110xxxxx 10xxxxxx
0800 – FFFF 1110xxxx 10xxxxxx 10xxxxxx
例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001， 用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。
读者可以用记事本测试一下我们的编码是否正确。
UTF-16以16位为单元对UCS进行编码。对于小于0x10000的UCS码，UTF-16编码就等于UCS码对应的16位无符号整数。对于不小于0x10000的UCS码，定义了一个算法。不过由于实际使用的UCS2，或者UCS4的BMP必然小于0x10000，所以就目前而言，可以认为UTF-16和UCS-2基本相同。但UCS-2只是一个编码方案，UTF-16却要用于实际的传输，所以就不得不考虑字节序的问题。
5、UTF的字节序和BOM
UTF-8以字节为编码单元，没有字节序的问题。UTF-16以两个字节为编码单元，在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序。例如收到一个“奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”，那么这是“奎”还是“乙”？
Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte Order Mark。BOM是一个有点小聪明的想法：
在UCS编码中有一个叫做”ZERO WIDTH NO-BREAK SPACE”的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符”ZERO WIDTH NO-BREAK SPACE”。
这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符”ZERO WIDTH NO-BREAK SPACE”又被称作BOM。
UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符”ZERO WIDTH NO-BREAK SPACE”的UTF-8编码是EF BB BF（读者可以用我们前面介绍的编码方法验证一下）。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。
Windows就是使用BOM来标记文本文件的编码方式的。
6、进一步的参考资料
本文主要参考的资料是 “Short overview of ISO-IEC 10646 and Unicode” (http://www.nada.kth.se/i18n/ucs/unicode-iso10646-oview.html)。
我还找了两篇看上去不错的资料，不过因为我开始的疑问都找到了答案，所以就没有看：
“Understanding Unicode A general introduction to the Unicode Standard” (http://scripts.sil.org/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter04a)
“Character set encoding basics Understanding character set encodings and legacy encodings” (http://scripts.sil.org/cms/scripts/page.php?site_id=nrsi&item_id=IWS-Chapter03)
我写过UTF-8、UCS-2、GBK相互转换的软件包，包括使用Windows API和不使用Windows API的版本。以后有时间的话，我会整理一下放到我的个人主页上(http://fmddlmyy.home4u.china.com)。
我是想清楚所有问题后才开始写这篇文章的，原以为一会儿就能写好。没想到考虑措辞和查证细节花费了很长时间，竟然从下午1:30写到9:00。希望有读者能从中受益。