Unicode、UTF-8、ANSI 是文本处理中最常接触的几种编码。本文整理了一些在 Mathematica 与浏览器中与之相关的用法与问题。

基本概念

Unicode（统一码）为每种语言的每个字符设定统一的二进制编码，满足跨语言、跨平台的需求。Mathematica 默认 Import 使用 UTF-8，CharacterEncoding 默认与 CP936、CP949 相关。

浏览器与 URL

在 IE 地址栏搜索中文时，会变成 %E6%B1%89 这类百分号编码；Chrome 可能直接显示中文。复制到 Mathematica 后又会转为 UTF-8 形式。

可以用 ToCharacterCode、IntegerString 等实现「汉字 → UTF-8 百分号」的转换，用于构造查询百度词典、百度搜索的 URL。实际使用中，不少接口直接传中文即可，不必先转十六进制。

TeX 中的 Unicode

Mathematica 导出含中文的 TeX 时，中文会变成 \unicode{xxxx} 形式。可用 StringReplace 配合 ToExpression 将其转回可显示的中文。对于连续的这种字符串，ToExpression 可直接解析。