以前一直用C++写编程题,那些面向对象特性和一些泛性编程几乎都没有用到。现在静下心来准备仔细研读一下c++ primer。然后发现里面讲到一个wchar_t类型,两个字节的数据类型,被设计用来存储国际字符的。今天小试了一下发现不行,cout一直输出不了,然后并没有办法按照想要的处理中文wchar_t数组。在网上搜了一下,发现这里面关系到很多编码的知识。趁这次机会一起梳理下。
1.编码
大家经常看到utf-8编码,都觉得这是文字编码,然后又看到unicode编码,GBK编码等,脑子就凌乱了。这里要说一下,其实unicode和GBK才是编码的值,这与计算机其实没有什么太多的关系,完全是数学处理。而utf-8和utf-16是讨论的如何将unicode编码存储在计算机中以及如何在计算机中传输。简单来说,unicode才是编码,而utf-8是存储方式。GBK要转utf-8必须先将其转换成unicode编码,然后再讲unicode编码存储为utf-8格式才行。GBK只是对汉字的国际编码格式,其实我个人觉得并没有什么前景(自从unicode编程流行以后)。我们还是主要关注一下unicode与utf-8的关系吧。
unicode编码(16进制) UTF-8 字节流(二进制)
0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxx