Почему ascii и utf-8 тексты имеют разную длину?

Question

[sddvxd]

Добрый день!
Есть бинарный файл в кодировке ansi, я копирую его в файл с кодировкой utf-8, причем первый файл размером 7168 байт, а второй (куда скопировал текст) становится размером 7 736 байт. Одинаковое количество и порядок дали почему-то разный размер. Объясните пожалуйста - почему

Comments

[hint000]

бинарный файл в кодировке ansi

- нонсенс. Если уж файл бинарный, то к нему неприменимо понятие "кодировка". И уточните, каким способом копируете, пока довольно туманно сформулировано.

Upd. вообще для ответа на ваш вопрос достаточно сделать побайтовое сравнение (есть программки), сразу будет видно отличия. Подозреваю, что дело в CR LF.

[sddvxd]

hint000, я же открываю файл текстовым редактором

[sddvxd]

hint000, копирую в буфер, оттуда в файл с utf-8

[SagePtr]

sddvxd, ну так символы с кодом > 127 скорее всего у вас перекодировались и вместо 1 символа стало 2.

Answer 1

[SagePtr]

Бинарный? Перекодируете? Не ждите, что он после этого останется бинарным.

Comments

[sddvxd]

я ничего не перекодирую. просто открываю файл текстовым редактором, а он мне дает представление в той кодировке, которой решит. проблем с копированием не возникает

[sddvxd]

hint000, спасибо, стало немного ясно. открыл файл hex редактором, скопировал и получился файл с такой-же хеш суммой

Answer 2

[Владимир Дубровин]

В UTF-8 символы соответствующие ASCII кодируются одним октетом, но символы других кодовых страниц - различным количеством октет (от 2 до 4х в настоящее время), например кириллические символы или символы специфичные для европейских языков - 2мя октетами.

В ANSI-кодировках символы всегда кодируются одним октетом, и ANSI-кодировка может содержать не только ASCII-символы.