char b = 70;
int c = 71;
int d = 'H';
printf("a: %c, %d\n", a, a);
printf("b: %c, %d\n", b, b);
printf("c: %c, %d\n", c, c);
printf("d: %c, %d\n", d, d);
return 0;
}
输出结果：
a: E, 69
b: F, 70
c: G, 71
d: H, 72
在 [ASCII 码表]( )中，字符 ‘E’、‘F’、‘G’、‘H’ 对应的编号分别是 69、70、71、72。
a、b、c、d 实际上存储的都是整数：
* 当给 a、d 赋值一个字符时，字符会先转换成 ASCII 码再存储；
* 当给 b、c 赋值一个整数时，不需要任何转换，直接存储就可以；
* 当以 %c 输出 a、b、c、d 时，会根据 ASCII 码表将整数转换成对应的字符；
* 当以 %d 输出 a、b、c、d 时，不需要任何转换，直接输出就可以。
可以说，是 ASCII 码表将英文字符和整数关联了起来。
#### 2.字符和字符串编码
关于字符和字符串的编码，不可混为一谈，必须要区分开来谈论。
---
C语言是 70 年代的产物，那个时候只有 ASCII，各个国家的字符编码都还未成熟，所以C语言不可能从底层支持 GB2312、GBK、Big5、Shift-JIS 等国家编码，也不可能支持 Unicode 字符集。
稍微有点C语言基本功的读者可能认为C语言使用 ASCII 编码，字符在存储时会转换成对应的 ASCII 码值，这也是错误的，你被大学老师和教材误导了！在C语言中，只有 char 类型的窄字符才使用 ASCII 编码，char 类型的窄字符串、wchar\_t 类型的宽字符和宽字符串都不使用 ASCII 编码！
wchar\_t 类型的宽字符和宽字符串使用 UTF-16 或者 UTF-32 编码，这个在上节已经讲到了，现在只剩下 char 类型的窄字符串（下面称为窄字符串）没有讲了，这就是本节的重点。
对于窄字符串，C语言并没有规定使用哪一种特定的编码，只要选用的编码能够适应当前的环境即可，所以，窄字符串的编码与操作系统和编译器有关。
但是，可以肯定的说，在现代计算机中，窄字符串已经不再使用 ASCII 编码了，因为 ASCII 编码只能显示字母、数字等英文字符，对汉语、日语、韩语等其它地区的字符无能为力。
讨论窄字符串的编码要从以下两个方面下手。
##### 源文件使用什么编码
源文件用来保存我们编写的代码，它最终会被存储到本地硬盘，或者远程服务器，这个时候就要尽量压缩文件体积，以节省硬盘空间或者网络流量，而代码中大部分的字符都是 ASCII 编码中的字符，用一个字节足以容纳，所以 UTF-8 编码是一个不错的选择。
UTF-8 兼容 ASCII，代码中的大部分字符可以用一个字节保存；另外 UTF-8 基于 Unicode，支持全世界的字符，我们编写的代码可以给全球的程序员使用，真正做到技术无国界。
常见的 IDE 或者编辑器，例如 Xcode、Sublime Text、Gedit、Vim 等，在创建源文件时一般也默认使用 UTF-8 编码。但是 Visual Studio 是个奇葩，它默认使用本地编码来创建源文件。
>
> 所谓本地编码，就是像 GBK、Big5、Shift-JIS 等这样的国家编码（地区编码）；针对不同国家发行的操作系统，默认的本地编码一般不同。简体中文本的 Windows 默认的本地编码是 GBK。
>
>
>
对于编译器来说，它往往支持多种编码格式的源文件。微软编译器、GCC、LLVM/Clang（内嵌于 Xcode 中）都支持 UTF-8 和本地编码的源文件，不过微软编译器还支持 UTF-16 编码的源文件。如果考虑到源文件的通用性，就只能使用 UTF-8 和本地编码了。
##### 窄字符串使用什么编码
前面讲到，用 puts 或者 printf 可以输出窄字符串，代码如下：
#include <stdio.h>
int main()
{
puts(“C语言中文网”);
printf(“http://c.biancheng.net”);
return 0;
}
`"C语言中文网"`和`"http://c.biancheng.net"`就是需要被处理的窄字符串，程序运行后，它们会被载入到内存中。你看，这里面还包含了中文，肯定不能使用 ASCII 编码了。
1. 微软编译器使用本地编码来保存这些字符。不同地区的 Windows 版本默认的本地编码不一样，所以，同样的窄字符串在不同的 Windows 版本下使用的编码也不一样。对于简体中文版的 Windows，使用的是 GBK 编码。
2. GCC、LLVM/Clang 编译器使用和源文件相同的编码来保存这些字符：如果源文件使用的是 UTF-8 编码，那么这些字符也使用 UTF-8 编码；如果源文件使用的是 GBK 编码，那么这些字符也使用 GBK 编码。
你看，对于代码中需要被处理的窄字符串，不同的编译器差别还是挺大的。不过可以肯定的是，这些字符始终都使用窄字符（多字节字符）编码。
正是由于这些字符使用 UTF-8、GBK 等编码，而不是使用 ASCII 编码，所以它们才能包含中文。
那么，为什么很多初学者会误认为C语言使用 ASCII 编码呢？
不管是在课堂跟着老师学习，还是通过互联网自学，初学者都是从处理英文开始的，对于英文来说，使用 GBK、UTF-8、ASCII 都是一样的，GBK、UTF-8 都兼容 ASCII，初学者根本察觉不出用了哪种编码。
另外，很多大学老师和书籍作者也经常会念叨，字符在存储时会被转换成对应的 ASCII 码，在读取时又会从 ASCII 码转换成对应的字符实体，大家需要熟悉 ASCII 编码，它是C语言处理字符的基础，这从很大程度上给初学者造成一种错误印象：C语言和 ASCII 编码是绑定的，C语言使用 ASCII 编码。
##### 总结
对于 char 类型的窄字符，始终使用 ASCII 编码。
对于 wchar\_t 类型的宽字符和宽字符串，使用 UTF-16 或者 UTF-32 编码，它们都是基于 Unicode 字符集的。
对于 char 类型的窄字符串，微软编译器使用本地编码，GCC、LLVM/Clang 使用和源文件编码相同的编码。
另外，处理窄字符和处理宽字符使用的函数也不一样：
* <stdio.h> 头文件中的 putchar、puts、printf 函数只能用来处理窄字符；
* <wchar.h> 头文件中的 putwchar、wprintf 函数只能用来处理宽字符。
你看，仅仅是字符的处理，C语言就能玩出这么多花样，让人捉摸不透，不容易学习。这是因为，C语言是一种较为底层和古老的语言，既有历史遗留问题，又有贴近计算机底层的特性。不过，一旦搞明白这些繁杂的底层问题，你的编程内功将精进一个层次，这也许就是学习C语言的乐趣。
#### 3.ASCII编码了解
ASCII（American Standard Code for Information Interchange，美国信息互换标准代码）是一套基于拉丁字母的字符编码，共收录了 128 个字符，用一个字节就可以存储，它等同于国际标准 ISO/IEC 646。
ASCII 规范于 1967 年第一次发布，最后一次更新是在 1986 年，它包含了 33 个控制字符（具有某些特殊功能但是无法显示的字符）和 95 个可显示字符。
| 二进制 | 十进制 | 十六进制 | 字符/缩写 | 解释 |
| --- | --- | --- | --- | --- |
| 00000000 | 0 | 00 | NUL (NULL) | 空字符 |
| 00000001 | 1 | 01 | SOH (Start Of Headling) | 标题开始 |
| 00000010 | 2 | 02 | STX (Start Of Text) | 正文开始 |
| 00000011 | 3 | 03 | ETX (End Of Text) | 正文结束 |
| 00000100 | 4 | 04 | EOT (End Of Transmission) | 传输结束 |
| 00000101 | 5 | 05 | ENQ (Enquiry) | 请求 |
| 00000110 | 6 | 06 | ACK (Acknowledge) | 回应/响应/收到通知 |
| 00000111 | 7 | 07 | BEL (Bell) | 响铃 |
| 00001000 | 8 | 08 | BS (Backspace) | 退格 |
| 00001001 | 9 | 09 | HT (Horizontal Tab) | 水平制表符 |
| 00001010 | 10 | 0A | LF/NL(Line Feed/New Line) | 换行键 |
| 00001011 | 11 | 0B | VT (Vertical Tab) | 垂直制表符 |
| 00001100 | 12 | 0C | FF/NP (Form Feed/New Page) | 换页键 |
| 00001101 | 13 | 0D | CR (Carriage Return) | 回车键 |
| 00001110 | 14 | 0E | SO (Shift Out) | 不用切换 |
| 00001111 | 15 | 0F | SI (Shift In) | 启用切换 |
| 00010000 | 16 | 10 | DLE (Data Link Escape) | 数据链路转义 |
| 00010001 | 17 | 11 | DC1/XON (Device Control 1/Transmission On) | 设备控制1/传输开始 |
| 00010010 | 18 | 12 | DC2 (Device Control 2) | 设备控制2 |
| 00010011 | 19 | 13 | DC3/XOFF (Device Control 3/Transmission Off) | 设备控制3/传输中断 |
| 00010100 | 20 | 14 | DC4 (Device Control 4) | 设备控制4 |
| 00010101 | 21 | 15 | NAK (Negative Acknowledge) | 无响应/非正常响应/拒绝接收 |
| 00010110 | 22 | 16 | SYN (Synchronous Idle) | 同步空闲 |
| 00010111 | 23 | 17 | ETB (End of Transmission Block) | 传输块结束/块传输终止 |
| 00011000 | 24 | 18 | CAN (Cancel) | 取消 |
| 00011001 | 25 | 19 | EM (End of Medium) | 已到介质末端/介质存储已满/介质中断 |
| 00011010 | 26 | 1A | SUB (Substitute) | 替补/替换 |
| 00011011 | 27 | 1B | ESC (Escape) | 逃离/取消 |
| 00011100 | 28 | 1C | FS (File Separator) | 文件分割符 |
| 00011101 | 29 | 1D | GS (Group Separator) | 组分隔符/分组符 |
| 00011110 | 30 | 1E | RS (Record Separator) | 记录分离符 |
| 00011111 | 31 | 1F | US (Unit Separator) | 单元分隔符 |
| 00100000 | 32 | 20 | (Space) | 空格 |
| 00100001 | 33 | 21 | ! | |
| 00100010 | 34 | 22 | " | |
| 00100011 | 35 | 23 | # | |
| 00100100 | 36 | 24 | $ | |
| 00100101 | 37 | 25 | % | |
| 00100110 | 38 | 26 | & | |
| 00100111 | 39 | 27 | ’ | |
| 00101000 | 40 | 28 | ( | |
| 00101001 | 41 | 29 | ) | |
| 00101010 | 42 | 2A | \* | |
| 00101011 | 43 | 2B | + | |
| 00101100 | 44 | 2C | , | |
| 00101101 | 45 | 2D | - | |
| 00101110 | 46 | 2E | . | |
| 00101111 | 47 | 2F | / | |
| 00110000 | 48 | 30 | 0 | |
| 00110001 | 49 | 31 | 1 | |
| 00110010 | 50 | 32 | 2 | |
| 00110011 | 51 | 33 | 3 | |
| 00110100 | 52 | 34 | 4 | |
| 00110101 | 53 | 35 | 5 | |
| 00110110 | 54 | 36 | 6 | |
| 00110111 | 55 | 37 | 7 | |
| 00111000 | 56 | 38 | 8 | |
| 00111001 | 57 | 39 | 9 | |
| 00111010 | 58 | 3A | : | |
| 00111011 | 59 | 3B | ; | |
| 00111100 | 60 | 3C | < | |
| 00111101 | 61 | 3D | = | |
| 00111110 | 62 | 3E | > | |
| 00111111 | 63 | 3F | ? | |
| 01000000 | 64 | 40 | @ | |
| 01000001 | 65 | 41 | A | |
| 01000010 | 66 | 42 | B | |
| 01000011 | 67 | 43 | C | |
| 01000100 | 68 | 44 | D | |
| 01000101 | 69 | 45 | E | |
| 01000110 | 70 | 46 | F | |
| 01000111 | 71 | 47 | G | |
| 01001000 | 72 | 48 | H | |
| 01001001 | 73 | 49 | I | |
| 01001010 | 74 | 4A | J | |
| 01001011 | 75 | 4B | K | |
| 01001100 | 76 | 4C | L | |
| 01001101 | 77 | 4D | M | |
| 01001110 | 78 | 4E | N | |
| 01001111 | 79 | 4F | O | |
| 01010000 | 80 | 50 | P | |
| 01010001 | 81 | 51 | Q | |
| 01010010 | 82 | 52 | R | |
| 01010011 | 83 | 53 | S | |
| 01010100 | 84 | 54 | T | |
| 01010101 | 85 | 55 | U | |
| 01010110 | 86 | 56 | V | |
| 01010111 | 87 | 57 | W | |
| 01011000 | 88 | 58 | X | |
| 01011001 | 89 | 59 | Y | |
| 01011010 | 90 | 5A | Z | |
| 01011011 | 91 | 5B | [ | |
| 01011100 | 92 | 5C | \ | |
| 01011101 | 93 | 5D | ] | |
| 01011110 | 94 | 5E | ^ | |
| 01011111 | 95 | 5F | \_ | |
| 01100000 | 96 | 60 | ` | |
| 01100001 | 97 | 61 | a | |
| 01100010 | 98 | 62 | b | |
| 01100011 | 99 | 63 | c | |
| 01100100 | 100 | 64 | d | |
| 01100101 | 101 | 65 | e | |
| 01100110 | 102 | 66 | f | |
| 01100111 | 103 | 67 | g | |
| 01101000 | 104 | 68 | h | |
| 01101001 | 105 | 69 | i | |
| 01101010 | 106 | 6A | j | |
| 01101011 | 107 | 6B | k | |
| 01101100 | 108 | 6C | l | |
| 01101101 | 109 | 6D | m | |
| 01101110 | 110 | 6E | n | |
| 01101111 | 111 | 6F | o | |
| 01110000 | 112 | 70 | p | |
| 01110001 | 113 | 71 | q | |
| 01110010 | 114 | 72 | r | |
| 01110011 | 115 | 73 | s | |
| 01110100 | 116 | 74 | t | |
| 01110101 | 117 | 75 | u | |
| 01110110 | 118 | 76 | v | |
| 01110111 | 119 | 77 | w | |
| 01111000 | 120 | 78 | x | |
| 01111001 | 121 | 79 | y | |
| 01111010 | 122 | 7A | z | |
| 01111011 | 123 | 7B | { | |
| 01111100 | 124 | 7C | | | |
| 01111101 | 125 | 7D | } | |
| 01111110 | 126 | 7E | ~ | |
| 01111111 | 127 | 7F | DEL (Delete) | 删除 |
##### 对控制字符的解释
ASCII 编码中第 0~31 个字符（开头的 32 个字符）以及第 127 个字符（最后一个字符）都是不可见的（无法显示），但是它们都具有一些特殊功能，所以称为控制字符（ Control Character）或者功能码（Function Code）。
这 33 个控制字符大都与通信、数据存储以及老式设备有关，有些在现代电脑中的含义已经改变了。
>
> 有些控制符需要一定的计算机功底才能理解，初学者可以跳过，选择容易的理解即可。
>
>
>
下面列出了部分控制字符的具体功能：
NUL (0)
NULL，空字符。空字符起初本意可以看作为 NOP（中文意为空操作，就是啥都不做的意思），此位置可以忽略一个字符。
之所以有这个空字符，主要是用于计算机早期的记录信息的纸带，此处留个 NUL 字符，意思是先占这个位置，以待后用，比如你哪天想起来了，在这个位置在放一个别的啥字符之类的。
后来呢，NUL 被用于C语言中，表示字符串的结束，当一个字符串中间出现 NUL 时，就意味着这个是一个字符串的结尾了。这样就方便按照自己需求去定义字符串，多长都行，当然只要你内存放得下，然后最后加一个\0，即空字符，意思是当前字符串到此结束。
SOH (1)
Start Of Heading，标题开始。如果信息沟通交流主要以命令和消息的形式的话，SOH 就可以用于标记每个消息的开始。
1963年，最开始 ASCII 标准中，把此字符定义为 Start of Message，后来又改为现在的 Start Of Heading。
现在，这个 SOH 常见于主从（master-slave）模式的 RS232 的通信中，一个主设备，以 SOH 开头，和从设备进行通信。这样方便从设备在数据传输出现错误的时候，在下一次通信之前，去实现重新同步（resynchronize）。如果没有一个清晰的类似于 SOH 这样的标记，去标记每个命令的起始或开头的话，那么重新同步，就很难实现了。
* STX (2) 和 ETX (3)
STX 表示 Start Of Text，意思是“文本开始”；ETX 表示 End Of Text，意思是“文本结束”。
通过某种通讯协议去传输的一个数据（包），称为一帧的话，常会包含一个帧头，包含了寻址信息，即你是要发给谁，要发送到目的地是哪里，其后跟着真正要发送的数据内容。
而 STX，就用于标记这个数据内容的开始。接下来是要传输的数据，最后是 ETX，表明数据的结束。
而中间具体传输的数据内容，ASCII 并没有去定义，它和你所用的传输协议有关。
| 帧头 | 数据或文本内容 | | | |
| --- | --- | --- | --- | --- |
| SOH（表明帧头开始） | …（帧头信息，比如包含了目的地址，表明你发送给谁等等） | STX（表明数据开始） | …（真正要传输的数据） | ETX（表明数据结束 |
BEL (7)
BELl，响铃。在 ASCII 编码中，BEL 是个比较有意思的东西。BEL 用一个可以听得见的声音来吸引人们的注意，既可以用于计算机，也可以用于周边设备（比如打印机）。
注意，BEL 不是声卡或者喇叭发出的声音，而是蜂鸣器发出的声音，主要用于报警，比如硬件出现故障时就会听到这个声音，有的计算机操作系统正常启动也会听到这个声音。蜂鸣器没有直接安装到主板上，而是需要连接到主板上的一种外设，现代很多计算机都不安装蜂鸣器了，即使输出 BEL 也听不到声音，这个时候 BEL 就没有任何作用了。
BS (8)
BackSpace，退格键。退格键的功能，随着时间变化，意义也变得不同了。
退格键起初的意思是，在打印机和电传打字机上，往回移动一格光标，以起到强调该字符的作用。比如你想要打印一个 a，然后加上退格键后，就成了 aBS^。在机械类打字机上，此方法能够起到实际的强调字符的作用，但是对于后来的 CTR 下时期来说，就无法起到对应效果了。
而现代所用的退格键，不仅仅表示光标往回移动了一格，同时也删除了移动后该位置的字符。
HT (9)
Horizontal Tab，水平制表符，相当于 Table/Tab 键。
水平制表符的作用是用于布局，它控制输出设备前进到下一个表格去处理。而制表符 Table/Tab 的宽度也是灵活不固定的，只不过在多数设备上制表符 Tab 都预定义为 4 个空格的宽度。
水平制表符 HT 不仅能减少数据输入者的工作量，对于格式化好的文字来说，还能够减少存储空间，因为一个Tab键，就代替了 4 个空格。
LF (10)
Line Feed，直译为“给打印机等喂一行”，也就是“换行”的意思。LF 是 ASCII 编码中常被误用的字符之一。
LF 的最原始的含义是，移动打印机的头到下一行。而另外一个 ASCII 字符，CR（Carriage Return）才是将打印机的头移到最左边，即一行的开始（行首）。很多串口协议和 MS-DOS 及 Windows 操作系统，也都是这么实现的。
而C语言和 Unix 操作系统将 LF 的含义重新定义为“新行”，即 LF 和 CR 的组合效果，也就是回车且换行的意思。
从程序的角度出发，C语言和 Unix 对 LF 的定义显得更加自然，而 MS-DOS 的实现更接近于 LF 的本意。
现在人们常将 LF 用做“新行（newline）”的功能，大多数文本编辑软件也都可以处理单个 LF 或者 CR/LF 的组合了。
VT (11)
Vertical Tab，垂直制表符。它类似于水平制表符 Tab，目的是为了减少布局中的工作，同时也减少了格式化字符时所需要存储字符的空间。VT 控制符用于跳到下一个标记行。
说实话，还真没看到有些地方需要用 VT，因为一般在换行的时候都是用 LF 代替 VT 了。
FF (12)
Form Feed，换页。设计换页键，是用来控制打印机行为的。当打印机收到此键码的时候，打印机移动到下一页。
不同的设备的终端对此控制符所表现的行为各不同，有些会清除屏幕，有些只是显示
^L
字符，有些只是新换一行而已。例如，Unix/Linux 下的 Bash Shell 和 Tcsh 就把 FF 看做是一个清空屏幕的命令。
CR (13)
Carriage return，回车，表示机器的滑动部分（或者底座）返回。
CR 回车的原意是让打印头回到左边界，并没有移动到下一行的意思。随着时间的流逝，后来人们把 CR 的意思弄成了 Enter 键，用于示意输入完毕。
在数据以屏幕显示的情况下，人们按下 Enter 的同时，也希望把光标移动到下一行，因此C语言和 Unix 重新定义了 CR 的含义，将其表示为移动到下一行。当输入 CR 时，系统也常常隐式地将其转换为LF。
SO (14) 和 SI (15)
SO，Shift Out，不用切换；SI，Shift In，启用切换。
早在 1960s 年代，设计 ASCII 编码的美国人就已经想到了，ASCII 编码不仅仅能用于英文，也要能用于外文字符集，这很重要，定义 Shift In 和 Shift Out 正是考虑到了这点。
最开始，其意为在西里尔语和拉丁语之间切换。西里尔语 ASCII（也即 KOI-7 编码）将 Shift 作为一个普通字符，而拉丁语 ASCII（也就是我们通常所说的 ASCII）用 Shift 去改变打印机的字体，它们完全是两种含义。
在拉丁语 ASCII 中，SO 用于产生双倍宽度的字符（类似于全角），而用 SI 打印压缩的字体（类似于半角）。
DLE (16)
Data Link Escape，数据链路转义。
有时候我们需要在通信过程中发送一些控制字符，但是总有一些情况下，这些控制字符被看成了普通的数据流，而没有起到对应的控制效果，ASCII 编码引入 DLE 来解决这类问题。
如果数据流中检测到了 DLE，数据接收端会对数据流中接下来的字符另作处理。但是具体如何处理，ASCII 规范中并没有定义，只是弄了个 DLE 去打断正常的数据流，告诉接下来的数据要特殊对待。
DC1 (17)
Device Control 1，或者 XON – Transmission on。
这个 ASCII 控制符尽管原先定义为 DC1， 但是现在常表示为 XON，用于串行通信中的软件流控制。其主要作用为，在通信被控制符 XOFF 中断之后，重新开始信息传输。
用过串行终端的人应该还记得，当有时候数据出错了，按 Ctrl+Q（等价于XON）有时候可以起到重新传输的效果。这是因为，此 Ctrl+Q 键盘序列实际上就是产生 XON 控制符，它可以将那些由于终端或者主机方面，由于偶尔出现的错误的 XOFF 控制符而中断的通信解锁，使其正常通信。
DC3 (19)
Device Control 3，或者 XOFF（Transmission off，传输中断）。
EM (25)
End of Medium，已到介质末端，介质存储已满。
EM 用于，当数据存储到达串行存储介质末尾的时候，就像磁带或磁头滚动到介质末尾一样。其用于表述数据的逻辑终点，即不必非要是物理上的达到数据载体的末尾。
FS(28)
File Separator，文件分隔符。FS 是个很有意思的控制字符，它可以让我们看到 1960s 年代的计算机是如何组织的。
我们现在习惯于随机访问一些存储介质，比如 RAM、磁盘等，但是在设计 ASCII 编码的那个年代，大部分数据还是顺序的、串行的，而不是随机访问的。此处所说的串行，不仅仅指的是串行通信，还指的是顺序存储介质，比如穿孔卡片、纸带、磁带等。
在串行通信的时代，设计这么一个用于表示文件分隔的控制字符，用于分割两个单独的文件，是一件很明智的事情。
GS(29)
Group Separator，分组符。
ASCII 定义控制字符的原因之一就是考虑到了数据存储。
大部分情况下，数据库的建立都和表有关，表包含了多条记录。同一个表中的所有记录属于同一类型，不同的表中的记录属于不同的类型。
而分组符 GS 就是用来分隔串行数据存储系统中的不同的组。值得注意的是，当时还没有使用 Excel 表格，ASCII 时代的人把它叫做组。
RS(30)
Record Separator，记录分隔符，用于分隔一个组或表中的多条记录。
US(31)
Unit Separator，单元分隔符。
在 ASCII 定义中，数据库中所存储的最小的数据项叫做单元（Unit）。而现在我们称其字段（Field）。单元分隔符 US 用于分割串行数据存储环境下的不同单元。
现在的数据库实现都要求大部分类型都拥有固定的长度，尽管有时候可能用不到，但是对于每一个字段，却都要分配足够大的空间，用于存放最大可能的数据。
这种做法的弊端就是占用了大量的存储空间，而 US 控制符允许字段具有可变的长度。在 1960s 年代，数据存储空间很有限，用 US 将不同单元分隔开，能节省很多空间。
DEL (127)
Delete，删除。
有人也许会问，为何 ASCII 编码中其它控制字符的值都很小（即 0~31），而 DEL 的值却很大呢（为 127）？
这是由于这个特殊的字符是为纸带而定义的。在那个年代，绝大多数的纸带都是用7个孔洞去编码数据的。而 127 这个值所对应的二进制值为111 1111（所有 7 个比特位都是1），将 DEL 用在现存的纸带上时，所有的洞就都被穿孔了，就把已经存在的数据都擦除掉了，就起到了删除的作用。
也有人将 ASCII 编码分成两部分：
* 前 128 个字符称为基本 ASCII，包含常见字符；
* 后 128 个字符称为扩展 ASCII，包含一些特殊字符。
#### 4.C语言转义字符
字符集（Character Set）为每个字符分配了唯一的编号，我们不妨将它称为编码值。在C语言中，一个字符除了可以用它的实体（也就是真正的字符）表示，还可以用编码值表示。这种使用编码值来间接地表示字符的方式称为转义字符（Escape Character）。
转义字符以`\`或者`\x`开头，以`\`开头表示后跟八进制形式的编码值，以`\x`开头表示后跟十六进制形式的编码值。对于转义字符来说，只能使用八进制或者十六进制。
字符 1、2、3、a、b、c 对应的 ASCII 码的八进制形式分别是 61、62、63、141、142、143，十六进制形式分别是 31、32、33、61、62、63。下面的例子演示了转义字符的用法：
char a = ‘\61’; //字符1
char b = ‘\141’; //字符a
char c = ‘\x31’; //字符1
char d = ‘\x61’; //字符a
char *str1 = “\x31\x32\x33\x61\x62\x63”; //字符串"123abc"
char *str2 = “\61\62\63\141\142\143”; //字符串"123abc"
char *str3 = “The string is: \61\62\63\x61\x62\x63” //混用八进制和十六进制形式
转义字符既可以用于单个字符，也可以用于字符串，并且一个字符串中可以同时使用八进制形式和十六进制形式。
一个完整的例子：
#include <stdio.h>
int main(){
puts(“\x68\164\164\x70://c.biancheng.\x6e\145\x74”);
return 0;
}
运行结果：
http://c.biancheng.net
转义字符的初衷是用于 ASCII 编码，所以它的取值范围有限：
* 八进制形式的转义字符最多后跟三个数字，也即`\ddd`，最大取值是`\177`；
* 十六进制形式的转义字符最多后跟两个数字，也即`\xdd`，最大取值是`\x7f`。
超出范围的转义字符的行为是未定义的，有的编译器会将编码值直接输出，有的编译器会报错。
对于 ASCII 编码，0~31（十进制）范围内的字符为控制字符，它们都是看不见的，不能在显示器上显示，甚至无法从键盘输入，只能用转义字符的形式来表示。不过，直接使用 ASCII 码记忆不方便，也不容易理解，所以，针对常用的控制字符，C语言又定义了简写方式，完整的列表如下：
| 转义字符 | 意义 | ASCII码值（十进制） |
| --- | --- | --- |
| \a | 响铃(BEL) | 007 |
| \b | 退格(BS) ，将当前位置移到前一列 | 008 |
| \f | 换页(FF)，将当前位置移到下页开头 | 012 |
| \n | 换行(LF) ，将当前位置移到下一行开头 | 010 |
| \r | 回车(CR) ，将当前位置移到本行开头 | 013 |
| \t | 水平制表(HT) | 009 |
| \v | 垂直制表(VT) | 011 |
| ’ | 单引号 | 039 |
| " | 双引号 | 034 |
| \ | 反斜杠 | 092 |
`\n`和`\t`是最常用的两个转义字符：
* `\n`用来换行，让文本从下一行的开头输出，前面的章节中已经多次使用；
* `\t`用来占位，一般相当于四个空格，或者 tab 键的功能。
单引号、双引号、反斜杠是特殊的字符，不能直接表示：
* 单引号是字符类型的开头和结尾，要使用`\'`表示，也即`'\''`；
* 双引号是字符串的开头和结尾，要使用`\"`表示，也即`"abc\"123"`；
* 反斜杠是转义字符的开头，要使用`\\`表示，也即`'\\'`，或者`"abc\\123"`。
转义字符示例：
#include <stdio.h>
int main(){
puts(“C\tC++\tJava\n"C” first appeared!");
return 0;
}
运行结果：
C C++ Java
“C” first appeared!
#### 5.在C语言中使用中文字符
大部分C语言教材对中文字符的处理讳莫如深，甚至只字不提，导致很多初学者认为C语言只能处理英文，而不支持中文。其实C语言是一门全球化的编程语言，它支持世界上任何一个国家的语言文化，包括中文、日语、韩语等。
##### 中文字符的存储
正确地存储中文字符需要解决两个问题。
###### 1) 足够长的数据类型
char 只能处理 ASCII 编码中的英文字符，是因为 char 类型太短，只有一个字节，容纳不下我大中华几万个汉字，要想处理中文字符，必须得使用更长的数据类型。
一个字符在存储之前会转换成它在字符集中的编号，而这样的编号是一个整数，所以我们可以用整数类型来存储一个字符，比如 unsigned short、unsigned int、unsigned long 等。
###### 2) 选择包含中文的字符集
C语言规定，对于汉语、日语、韩语等 ASCII 编码之外的单个字符，也就是专门的字符类型，要使用宽字符的编码方式。常见的宽字符编码有 UTF-16 和 UTF-32，它们都是基于 Unicode 字符集的，能够支持全球的语言文化。
在真正实现时，微软编译器（内嵌于 Visual Studio 或者 Visual C++ 中）采用 UTF-16 编码，使用 2 个字节存储一个字符，用 unsigned short 类型就可以容纳。GCC、LLVM/Clang（内嵌于 Xcode 中）采用 UTF-32 编码，使用 4 个字节存储字符，用 unsigned int 类型就可以容纳。
>
> 对于编号较小的字符，UTF-16 采用两个字节存储；对于编号较大的字符，UTF-16 使用四个字节存储。但是，全球常用的字符也就几万个，使用两个字节存储足以，只有极其罕见，或者非常古老的字符才会用到四个字节。
>
>
> 微软编译器使用两个字节来存储 UTF-16 编码的字符，虽然不能囊括所有的 Unicode 字符，但是也足以容纳全球的常见字符了，基本满足了软件开发的需求。使用两个字节存储的另外一个好处是可以节省内存，而使用四个字节会浪费 50% 以上的内存。
>
>
>
你看，不同的编译器可以使用不同的整数类型。如果我们的代码使用 unsigned int 来存储宽字符，那么在微软编译器下就是一种浪费；如果我们的代码使用 unsigned short 来存储宽字符，那么在 GCC、LLVM/Clang 下就不够。
为了解决这个问题，C语言推出了一种新的类型，叫做 **wchar\_t**。w 是 wide 的首字母，t 是 type 的首字符，wchar\_t 的意思就是宽字符类型。wchar\_t 的长度由编译器决定：
* 在微软编译器下，它的长度是 2，等价于 unsigned short；
* 在GCC、LLVM/Clang 下，它的长度是 4，等价于 unsigned int。
>
> wchar\_t 其实是用 typedef 关键字定义的一个别名，我们会在《[C语言typedef的用法详解]( )》一节中深入讲解，大家暂时只需要记住，wchar\_t 在不同的编译器下长度不一样。
>
>
>
wchar\_t 类型位于 <wchar.h> 头文件中，它使得代码在具有良好移植性的同时，也节省了不少内存，以后我们就用它来存储宽字符。
上节我们讲到，单独的字符由单引号`' '`包围，例如`'B'`、`'@'`、`'9'`等；但是，这样的字符只能使用 ASCII 编码，要想使用宽字符的编码方式，就得加上`L`前缀，例如`L'A'`、`L'9'`、`L'中'`、`L'国'`、`L'。'。`
注意，加上`L`前缀后，所有的字符都将成为宽字符，占用 2 个字节或者 4 个字节的内存，包括 ASCII 中的英文字符。
下面的例子演示了如何存储宽字符（注意引入 <wchar.h> 头文件）：
wchar_t a = L’A’; //英文字符（基本拉丁字符）
wchar_t b = L’9’; //英文数字（阿拉伯数字）
wchar_t c = L’中’; //中文汉字
wchar_t d = L’国’; //中文汉字
wchar_t e = L’。‘; //中文标点
wchar_t f = L’ヅ’; //日文片假名
wchar_t g = L’♥’; //特殊符号
wchar_t h = L’༄'; //藏文
在以后的编程中，我们将不加`L`前缀的字符称为窄字符，将加上`L`前缀的字符称为宽字符。窄字符使用 ASCII 编码，宽字符使用 UTF-16 或者 UTF-32 编码。
##### 宽字符的输出
putchar、printf 只能输出不加`L`前缀的窄字符，对加了`L`前缀的宽字符无能为力，我们必须使用 <wchar.h> 头文件中的宽字符输出函数，它们分别是 putwchar 和 wprintf：
* putwchar 函数专门用来输出一个宽字符，它和 putchar 的用法类似；
* wprintf 是通用的、格式化的宽字符输出函数，它除了可以输出单个宽字符，还可以输出宽字符串（稍后讲解）。宽字符对应的格式控制符为`%lc`。
另外，在输出宽字符之前还要使用 setlocale 函数进行本地化设置，告诉程序如何才能正确地处理各个国家的语言文化。由于大家基础还不够，关于本地化设置的内容我们不再展开讲解，请大家先记住这种写法。
如果希望设置为中文简体环境，在 Windows 下请写作：
setlocale(LC\_ALL, “zh-CN”);
在 Linux 和 Mac OS 下请写作：
setlocale(LC\_ALL, “zh\_CN”);
setlocale 函数位于 <locale.h> 头文件中，我们必须引入它。
下面的代码完整地演示了宽字符的输出：
#include <wchar.h>
#include <locale.h>
int main(){
wchar_t a = L’A’; //英文字符（基本拉丁字符）
wchar_t b = L’9’; //英文数字（阿拉伯数字）
wchar_t c = L’中’; //中文汉字
wchar_t d = L’国’; //中文汉字
wchar_t e = L’。‘; //中文标点
wchar_t f = L’ヅ’; //日文片假名
wchar_t g = L’♥’; //特殊符号
wchar_t h = L’༄'; //藏文
//将本地环境设置为简体中文
setlocale(LC_ALL, "zh\_CN");
//使用专门的 putwchar 输出宽字符
putwchar(a); putwchar(b); putwchar(c); putwchar(d);
putwchar(e); putwchar(f); putwchar(g); putwchar(h);
putwchar(L'\n'); //只能使用宽字符
//使用通用的 wprintf 输出宽字符
wprintf(
L"Wide chars: %lc %lc %lc %lc %lc %lc %lc %lc\n", //必须使用宽字符串
a, b, c, d, e, f, g, h
);
return 0;
}
运行结果：
A9中国。ヅ♥༄
Wide chars: A 9 中 国 。 ヅ ♥ ༄
##### 宽字符串
给字符串加上`L`前缀就变成了宽字符串，它包含的每个字符都是宽字符，一律采用 UTF-16 或者 UTF-32 编码。输出宽字符串可以使用 <wchar.h> 头文件中的 wprintf 函数，对应的格式控制符是`%ls`。
下面的代码演示了如何使用宽字符串：
#include <wchar.h>
#include <locale.h>
int main(){
wchar_t web_url[] = L"http://c.biancheng.net";
wchar_t *web_name = L"C语言中文网";
//将本地环境设置为简体中文
setlocale(LC_ALL, "zh\_CN");
//使用通用的 wprintf 输出宽字符
wprintf(L"web\_url: %ls \nweb\_name: %ls\n", web_url, web_name);
return 0;
}
运行结果：
web\_url: http://c.biancheng.net
web\_name: C语言中文网
其实，不加`L`前缀的窄字符串也可以处理中文，它和加上了`L`前缀的宽字符串有什么区别呢？我们将在下节《[C语言到底使用什么编码？谁说C语言使用ASCII码，真是荒谬！]( )》中详细讲解。
#### 6.C语言字符数组和字符串
用来存放字符的数组称为**字符数组**，例如：
char a[10]; //一维字符数组
char b[5][10]; //二维字符数组
char c[20]={‘c’, ’ ', ‘p’, ‘r’, ‘o’, ‘g’, ‘r’, ‘a’,‘m’}; // 给部分数组元素赋值
char d[]={‘c’, ’ ', ‘p’, ‘r’, ‘o’, ‘g’, ‘r’, ‘a’, ‘m’ }; //对全体元素赋值时可以省去长度
字符数组实际上是一系列字符的集合，也就是**字符串（String）**。在C语言中，没有专门的字符串变量，没有string类型，通常就用一个字符数组来存放一个字符串。
C语言规定，可以将字符串直接赋值给字符数组，例如：
char str[30] = {“c.biancheng.net”};
char str[30] = “c.biancheng.net”; //这种形式更加简洁，实际开发中常用
数组第 0 个元素为`'c'`，第 1 个元素为`'.'`，第 2 个元素为`'b'`，后面的元素以此类推。
为了方便，你也可以不指定数组长度，从而写作：
char str[] = {“c.biancheng.net”};
char str[] = “c.biancheng.net”; //这种形式更加简洁，实际开发中常用
给字符数组赋值时，我们通常使用这种写法，将字符串一次性地赋值（可以指明数组长度，也可以不指明），而不是一个字符一个字符地赋值，那样做太麻烦了。
这里需要留意一个坑，字符数组只有在定义时才能将整个字符串一次性地赋值给它，一旦定义完了，就只能一个字符一个字符地赋值了。请看下面的例子：
char str[7];
str = “abc123”; //错误
//正确
str[0] = ‘a’; str[1] = ‘b’; str[2] = ‘c’;
str[3] = ‘1’; str[4] = ‘2’; str[5] = ‘3’;
##### 字符串结束标志（划重点）
字符串是一系列连续的字符的组合，要想在内存中定位一个字符串，除了要知道它的开头，还要知道它的结尾。找到字符串的开头很容易，知道它的名字（字符数组名或者字符串名）就可以；然而，如何找到字符串的结尾呢？C语言的解决方案有点奇妙，或者说有点奇葩。
在C语言中，字符串总是以`'\0'`作为结尾，所以`'\0'`也被称为字符串结束标志，或者字符串结束符。
>
> `'\0'`是 ASCII 码表中的第 0 个字符，英文称为 NUL，中文称为“空字符”。该字符既不能显示，也没有控制功能，输出该字符不会有任何效果，它在C语言中唯一的作用就是作为字符串结束标志。
>
>
>
C语言在处理字符串时，会从前往后逐个扫描字符，一旦遇到`'\0'`就认为到达了字符串的末尾，就结束处理。`'\0'`至关重要，没有`'\0'`就意味着永远也到达不了字符串的结尾。
由`" "`包围的字符串会自动在末尾添加`'\0'`。例如，`"abc123"`从表面看起来只包含了 6 个字符，其实不然，C语言会在最后隐式地添加一个`'\0'`，这个过程是在后台默默地进行的，所以我们感受不到。
下图演示了`"C program"`在内存中的存储情形：
需要注意的是，逐个字符地给数组赋值并不会自动添加`'\0'`，例如：
char str[] = {‘a’, ‘b’, ‘c’};
数组 str 的长度为 3，而不是 4，因为最后没有`'\0'`。
当用字符数组存储字符串时，要特别注意`'\0'`，要为`'\0'`留个位置；这意味着，字符数组的长度至少要比字符串的长度大 1。请看下面的例子：
char str[7] = “abc123”;
`"abc123"`看起来只包含了 6 个字符，我们却将 str 的长度定义为 7，就是为了能够容纳最后的`'\0'`。如果将 str 的长度定义为 6，它就无法容纳`'\0'`了。
>
> 当字符串长度大于数组长度时，有些较老或者不严格的编译器并不会报错，甚至连警告都没有，这就为以后的错误埋下了伏笔，读者自己要多多注意。
>
>
>
有些时候，程序的逻辑要求我们必须逐个字符地为数组赋值，这个时候就很容易遗忘字符串结束标志`'\0'`。下面的代码中，我们将 26 个大写英文字符存入字符数组，并以字符串的形式输出：
#include <stdio.h>
int main(){
char str[30];
char c;
int i;
for(c=65,i=0; c<=90; c++,i++){
str[i] = c;
}
printf(“%s\n”, str);
return 0;
}
在 VS2015 下的运行结果：
ABCDEFGHIJKLMNOPQRSTUVWXYZ口口口口i口口0 ?
`口`表示无法显示的特殊字符。
大写字母在 ASCII 码表中是连续排布的，编码值从 65 开始，到 90 结束，使用循环非常方便。
在《[C语言变量的定义位置以及初始值]( )》一节中我们讲到，在很多编译器下，局部变量的初始值是随机的，是垃圾值，而不是我们通常认为的“零”值。局部数组（在函数内部定义的数组，本例中的 str 数组就是在 main() 函数内部定义的）也有这个问题，很多编译器并不会把局部数组的内存都初始化为“零”值，而是放任不管，爱是什么就是什么，所以它们的值也是没有意义的，也是垃圾值。
在函数内部定义的变量、数组、结构体、共用体等都称为局部数据。在很多编译器下，局部数据的初始值都是随机的、无意义的，而不是我们通常认为的“零”值。这一点非常重要，大家一定要谨记，否则后面会遇到很多奇葩的错误。
本例中的 str 数组在定义完成以后并没有立即初始化，所以它所包含的元素的值都是随机的，只有很小的概率会是“零”值。循环结束以后，str 的前 26 个元素被赋值了，剩下的 4 个元素的值依然是随机的，不知道是什么。
printf() 输出字符串时，会从第 0 个元素开始往后检索，直到遇见`'\0'`才停止，然后把`'\0'`前面的字符全部输出，这就是 printf() 输出字符串的原理。本例中我们使用 printf() 输出 str，按理说到了第 26 个元素就能检索到`'\0'`，就到达了字符串的末尾，然而事实却不是这样，由于我们并未对最后 4 个元素赋值，所以第 26 个元素不是`'\0'`，第 27 个也不是，第 28 个也不是……可能到了第 50 个元素才遇到`'\0'`，printf() 把这 50 个字符全部输出出来，就是上面的样子，多出来的字符毫无意义，甚至不能显示。
数组总共才 30 个元素，到了第 50 个元素不早就超出数组范围了吗？是的，的确超出范围了！然而，数组后面依然有其它的数据，printf() 也会将这些数据作为字符串输出。
你看，不注意`'\0'`的后果有多严重，不但不能正确处理字符串，甚至还会毁坏其它数据。
要想避免这些问题也很容易，在字符串的最后手动添加`'\0'`即可。修改上面的代码，在循环结束后添加`'\0'`：
#include <stdio.h>
int main(){
char str[30];
char c;
int i;
for(c=65,i=0; c<=90; c++,i++){
str[i] = c;
}
str[i] = 0; //此处为添加的代码，也可以写作 str[i] = ‘\0’;
printf(“%s\n”, str);
return 0;
}
第 9 行为新添加的代码，它让字符串能够正常结束。根据 ASCII 码表，字符`'\0'`的编码值就是 0。
但是，这样的写法貌似有点业余，或者说不够简洁，更加专业的做法是将数组的所有元素都初始化为“零”值，这样才能够从根本上避免问题。再次修改上面的代码：
#include <stdio.h>
int main(){
char str[30] = {0}; //将所有元素都初始化为 0，或者说 ‘\0’
char c;
int i;
for(c=65,i=0; c<=90; c++,i++){
str[i] = c;
}
printf(“%s\n”, str);
return 0;
}
还记得《[什么是数组]( )》一节中强调过的吗？如果只初始化部分数组元素，那么剩余的数组元素也会自动初始化为“零”值，所以我们只需要将 str 的第 0 个元素赋值为 0，剩下的元素就都是 0 了。
##### 字符串长度
所谓字符串长度，就是字符串包含了多少个字符（不包括最后的结束符`'\0'`）。例如`"abc"`的长度是 3，而不是 4。
在C语言中，我们使用`string.h`头文件中的 strlen() 函数来求字符串的长度，它的用法为：
length strlen(strname);
strname 是字符串的名字，或者字符数组的名字；length 是使用 strlen() 后得到的字符串长度，是一个整数。
下面是一个完整的例子，它输出《[C语言入门教程]( )》网址的长度：
#include <stdio.h>
#include <string.h> //记得引入该头文件
int main(){
char str[] = “http://c.biancheng.net/c/”;
long len = strlen(str);
printf(“The lenth of the string is %ld.\n”, len);
return 0;
}
运行结果：
The lenth of the string is 25.
##### C语言字符串的输入和输出
###### 字符串的输出
在C语言中，有两个函数可以在控制台（显示器）上输出字符串，它们分别是：
* puts()：输出字符串并自动换行，该函数只能输出字符串。
* printf()：通过格式控制符`%s`输出字符串，不能自动换行。除了字符串，printf() 还能输出其他类型的数据。
这两个函数相信大家已经非常熟悉了，这里不妨再演示一下，请看下面的代码：
#include <stdio.h>
int main(){
char str[] = “http://c.biancheng.net”;
printf(“%s\n”, str); //通过字符串名字输出
printf(“%s\n”, “http://c.biancheng.net”); //直接输出
puts(str); //通过字符串名字输出
puts(“http://c.biancheng.net”); //直接输出
return 0;
}
运行结果：
http://c.biancheng.net
http://c.biancheng.net
http://c.biancheng.net
http://c.biancheng.net
注意，输出字符串时只需要给出名字，不能带后边的`[ ]`，例如，下面的两种写法都是错误的：
printf("%s\n", str[]);
puts(str[10]);
###### 字符串的输入
在C语言中，有两个函数可以让用户从键盘上输入字符串，它们分别是：
* scanf()：通过格式控制符`%s`输入字符串。除了字符串，scanf() 还能输入其他类型的数据。
* gets()：直接输入字符串，并且只能输入字符串。
但是，scanf() 和 gets() 是有区别的：
* scanf() 读取字符串时以空格为分隔，遇到空格就认为当前字符串结束了，所以无法读取含有空格的字符串。
* gets() 认为空格也是字符串的一部分，只有遇到回车键时才认为字符串输入结束，所以，不管输入了多少个空格，只要不按下回车键，对 gets() 来说就是一个完整的字符串。换句话说，gets() 用来读取一整行字符串。
请看下面的例子：
#include <stdio.h>
int main(){
char str1[30] = {0};
char str2[30] = {0};
char str3[30] = {0};
//gets() 用法
printf(“Input a string: “);
gets(str1);
//scanf() 用法
printf(“Input a string: “);
scanf(”%s”, str2);
scanf(”%s”, str3);
printf("\nstr1: %s\n", str1);
printf("str2: %s\n", str2);
printf("str3: %s\n", str3);
return 0;
}
运行结果：
Input a string: C [C++]( ) [Java]( ) [Python]( )↙
Input a string: [PHP]( ) [JavaScript]( )↙
str1: C C++ Java Python
str2: PHP
str3: JavaScript
第一次输入的字符串被 gets() 全部读取，并存入 str1 中。第二次输入的字符串，前半部分被第一个 scanf() 读取并存入 str2 中，后半部分被第二个 scanf() 读取并存入 str3 中。
注意，scanf() 在读取数据时需要的是数据的地址，这一点是恒定不变的，所以对于 int、char、float 等类型的变量都要在前边添加`&`以获取它们的地址。但是在本段代码中，我们只给出了字符串的名字，却没有在前边添加`&`，这是为什么呢？因为字符串名字或者数组名字在使用的过程中一般都会转换为地址，所以再添加`&`就是多此一举，甚至会导致错误了。
就目前学到的知识而言，int、char、float 等类型的变量用于 scanf() 时都要在前面添加`&`，而数组或者字符串用于 scanf() 时不用添加`&`，它们本身就会转换为地址。读者一定要谨记这一点。
至于数组名字（字符串名字）和地址的转换细节，以及数组名字什么时候会转换为地址，我们将在《[数组到底在什么时候会转换为指针]( )》一节中详细讲解，大家暂时“死记硬背”即可。
###### 其实 scanf() 也可以读取带空格的字符串
以上是 scanf() 和 gets() 的一般用法，很多教材也是这样讲解的，所以大部分初学者都认为 scanf() 不能读取包含空格的字符串，不能替代 gets()。其实不然，scanf() 的用法还可以更加复杂和灵活，它不但可以完全替代 gets() 读取一整行字符串，而且比 gets() 的功能更加强大。比如，以下功能都是 gets() 不具备的：
* scanf() 可以控制读取字符的数目；
* scanf() 可以只读取指定的字符；
* scanf() 可以不读取某些字符；
* scanf() 可以把读取到的字符丢弃。
这些我们已经在《[scanf的高级用法，原来scanf还有这么多新技能]( )》讲解过了，本节就不再赘述了。
#### 7.C语言数组是静态的，不能插入或删除元素
我们知道在C语言中，是不存在字符串这种数据类型的，字符串其实都是用字符数组来存储的。
因此理解数组的特性可以帮助我们更好的理解字符串。
---
在C语言中，数组一旦被定义后，占用的内存空间就是固定的，容量就是不可改变的，既不能在任何位置插入元素，也不能在任何位置删除元素，只能读取和修改元素，我们将这样的数组称为静态数组。
反过来说，如果数组在定义后可以改变容量，允许在任意位置插入或者删除元素，那么这样的数组称为动态数组。
PHP、JavaScript 等解释型的脚本语言一般都支持动态数组，而 C、C++ 等编译型的语言一般不支持动态数组。
总之，C语言中的数组是静态的，一旦定义后长度就不能改变了，大家要注意这一点，不要尝试去插入或删除元素。
如果由于项目要求，必须要在数组中插入或者删除元素，该怎么办呢？没办法，只能再造一个新数组！
下面的代码演示了数组元素的插入和删除操作：
#include <stdio.h>
//自定义函数，用来输出数组元素
void display_array(int arr[], int len){
int i;
for(i=0; i<len; i++){
printf(“%d “, arr[i]);
}
printf(”\n”);
}
int main()
{
int nums[10] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
int nums_new1[9];
int nums_new2[11];
int i;
//删除nums第6个元素
for(i=0; i<10; i++){
//i等于6时直接跳过，不进行任何操作
if(i < 6){
nums_new1[i] = nums[i];
}else if(i > 6){
nums_new1[i-1] = nums[i];
}
}
display\_array(nums_new1, 9);
//在nums第6个元素后面插入一个整数 55
for(i=0; i<10; i++){
if(i < 7){
nums_new2[i] = nums[i];
}else if(i > 7){
nums_new2[i+1] = nums[i];
}else { //i等于7
nums_new2[i] = 55;
nums_new2[i+1] = nums[i];
}
}
display\_array(nums_new2, 11);
return 0;
}
运行结果：
1 2 3 4 5 6 8 9 10
1 2 3 4 5 6 7 55 8 9 10
display\_array() 是一个自己定义的函数，用来输出数组的所有元素；使用 display\_array() 时，需要将数组名和数组长度传递给它。读者暂时知道这些即可，之后我们将在《[C语言函数]( )》一章中详细讲解。
这段代码总体的思路是使用 for 循环遍历所有的数组元素，并逐个给新的数组元素赋值。这种方法比较简单粗暴，更加高效和简洁的做法是直接复制数组内存，不过由于大家的知识还不充足，所以暂时无法讲解，等大家学了[指针]( )以后可以尝试使用 [memcpy()]( ) 函数来解决。
**C语言数组为什么是静态的**
不能插入和删除数组元素有时候会非常麻烦，比如一个数组保存了某个班级的学生学号，现在有一名学生退学了，就得把 TA 从数组中剔除，但是C语言并不支持这么做，这就给编程带来了不小的麻烦。
数组元素都是紧挨着排布的，中间没有空隙，不管是插入元素还是删除元素，都得移动该元素后面的内存：
* 在第 i 个元素后面插入一个新元素时，第 i 个元素后面的所有元素都要往后移动一个元素的位置，从而给新元素腾出位置来。如果该数组后面紧跟的是其它有用数据，那么为了防止覆盖有用数据，还不敢直接往后移动元素，必须得重新开辟一块内存，把所有的元素都复制过去。
* 删除第 i 个元素就比较简单了，不管三七二十一，把第 i 个元素后面的所有元素都向前移动即可。
插入和删除数组元素都要移动内存，甚至重新开辟一块内存，这是相当消耗资源的。如果一个程序中有大量的此类操作，那么程序的性能将堪忧，这有悖于「C语言非常高效」的初衷，所以C语言并不支持动态数组。
另外，很多时候我们需要把数组的地址保存到一个变量里面（等大家学到[指针]( )时就会见到这种情况），如果数组重新开辟了内存，而变量里面的地址不跟着改变的话，后续再使用该变量就会导致错误。让C语言本身去维护这些变量的值，以保持同步更新，这又是不可能做到的，所以这个矛盾无法从根本上解决。
总之，为了保证程序执行效率，为了防止操作错误，C语言只支持静态数组，不支持动态数组。
---
了解了数组这个特性，那我们可以联想到，在已经创建了字符串/字符数组之后，那么赋值就需要注意。
字符数组只有在定义时才能将整个字符串一次性地赋值给它，一旦定义完了，就只能一个字符一个字符地赋值了。请看下面的例子：
char str[30] = {“c.biancheng.net”};
char str[30] = “c.biancheng.net”; //这种形式更加简洁，实际开发中常用
char str[7];
str = “abc123”; //错误
//正确
str[0] = ‘a’; str[1] = ‘b’; str[2] = ‘c’;
str[3] = ‘1’; str[4] = ‘2’; str[5] = ‘3’;
#### 8.字符数组和字符串的初始化和赋值
我们知道在C语言中，字符串的存储是靠数组，我们又又知道，在C语言中，数组和指针之间有着非常紧密的练习。
因此，在C语言中，表示字符串有两种方式，**数组和指针(实际还是数组，字符数组指针)**。
字符数组我们上面已经介绍了，下面我们来了解一下字符串指针。
##### 1.C语言字符串指针（指向字符串的指针）
C语言中没有特定的字符串类型，我们通常是将字符串放在一个字符数组中，这在《[C语言字符数组和字符串]( )》中已经进行了详细讲解，这里不妨再来演示一下：
#include <stdio.h>
#include <string.h>
int main(){
char str[] = “http://c.biancheng.net”;
int len = strlen(str), i;
//直接输出字符串
printf(“%s\n”, str);
//每次输出一个字符
for(i=0; i<len; i++){
printf(“%c”, str[i]);
}
printf(“\n”);
return 0;
}
运行结果：
http://c.biancheng.net
http://c.biancheng.net
字符数组归根结底还是一个数组，上节讲到的关于指针和数组的规则同样也适用于字符数组。更改上面的代码，使用指针的方式来输出字符串：
#include <stdio.h>
#include <string.h>
int main(){
char str[] = “http://c.biancheng.net”;
char *pstr = str;
int len = strlen(str), i;
//使用*(pstr+i)
for(i=0; i<len; i++){
printf(“%c”, *(pstr+i));
}
printf(“\n”);
//使用pstr[i]
for(i=0; i<len; i++){
printf(“%c”, pstr[i]);
}
printf(“\n”);
//使用*(str+i)
for(i=0; i<len; i++){
printf(“%c”, *(str+i));
}
printf(“\n”);
return 0;
}
运行结果：
http://c.biancheng.net
http://c.biancheng.net
http://c.biancheng.net
除了字符数组，C语言还支持另外一种表示字符串的方法，就是直接使用一个指针指向字符串，例如：
char *str = “http://c.biancheng.net”;
或者：
char *str;
str = “http://c.biancheng.net”;
字符串中的所有字符在内存中是连续排列的，str 指向的是字符串的第 0 个字符；我们通常将第 0 个字符的地址称为字符串的首地址。字符串中每个字符的类型都是`char`，所以 str 的类型也必须是`char *`。
下面的例子演示了如何输出这种字符串：
#include <stdio.h>
#include <string.h>
int main(){
char *str = “http://c.biancheng.net”;
int len = strlen(str), i;
//直接输出字符串
printf("%s\n", str);
//使用\*(str+i)
for(i=0; i<len; i++){
printf("%c", \*(str+i));
}
printf("\n");
//使用str[i]
for(i=0; i<len; i++){
printf("%c", str[i]);
}
printf("\n");
return 0;
}
运行结果：
http://c.biancheng.net
http://c.biancheng.net
http://c.biancheng.net
这一切看起来和字符数组是多么地相似，它们都可以使用`%s`输出整个字符串，都可以使用`*`或`[ ]`获取单个字符，这两种表示字符串的方式是不是就没有区别了呢？
**有！它们最根本的区别是在内存中的存储区域不一样，字符数组存储在全局数据区或栈区，第二种形式的字符串存储在常量区。全局数据区和栈区的字符串（也包括其他数据）有读取和写入的权限，而常量区的字符串（也包括其他数据）只有读取权限，没有写入权限。**
内存权限的不同导致的一个明显结果就是，字符数组在定义后可以读取和修改每个字符，而对于第二种形式的字符串，一旦被定义后就只能读取不能修改，任何对它的赋值都是错误的。
我们将第二种形式的字符串称为字符串常量，意思很明显，常量只能读取不能写入。请看下面的演示：
#include <stdio.h>
int main(){
char *str = “Hello World!”;
str = “I love C!”; //正确
str[3] = ‘P’; //错误
return 0;
}
这段代码能够正常编译和链接，但在运行时会出现段错误（Segment Fault）或者写入位置错误。
第4行代码是正确的，可以更改指针变量本身的指向；第5行代码是错误的，不能修改字符串中的字符。
###### 到底使用字符数组还是字符串常量
在编程过程中如果只涉及到对字符串的读取，那么字符数组和字符串常量都能够满足要求；如果有写入（修改）操作，那么只能使用字符数组，不能使用字符串常量。
获取用户输入的字符串就是一个典型的写入操作，只能使用字符数组，不能使用字符串常量，请看下面的代码：
#include <stdio.h>
int main(){
char str[30];
gets(str);
printf(“%s\n”, str);
return 0;
}
运行结果：
C C++ Java Python JavaScript
C C++ Java Python JavaScript
最后我们来总结一下，C语言有两种表示字符串的方法，一种是字符数组，另一种是字符串常量，它们在内存中的存储位置不同，使得字符数组可以读取和修改，而字符串常量只能读取不能修改。
##### 2.初始化
###### 逐个字符初始化
当定义一个字符数组时，可以采用逐个字符初始化的方式：
char str[10]={ ‘h’,‘e’,‘l’,‘l’,‘o’};
当显示指定的字符不足字符数组的长度时，编译器将剩余字符置为空字符’\0’。
###### 字符串常量来初始化字符数组
在C语言中，将字符串作为字符数组来处理，因此可以使用字符串来初始化字符数组。
char str[]={“hello”};
也可以省略花括号。
char str[10]=“hello”;
不及字符数组长度时，剩余字符置为空字符’\0’。因此，我们不难得出，当为一个字符数组初始化为空字符数组的做法有如下几种：
char test1[256]=“”;
char test2[256]={“”};
char test3[256]={0};
char test3[256]={‘\0’};
###### 使用字符指针
因为字符指针只是一个指针，指向一块连续的内存，自己本身没有申请内存空间，因此只能将其赋值指向一个字符串。
使用字符指针来访问一个字符串,通过字符指针指向存放字符串数组的首元素地址来进行访问.
char * a =“hello!” ;
但在这可以：
char * a ；
a=“hello!” ; //正确
注意：这里只是用字符指针指向一个字符串，它依然是用字符数组存储的，这里只是把字符串首地址赋值给a！
这里是一个字符串常量，所以只能读，不能写
char c =a[0]; //正确
a[0]=‘a’; //错误
##### 3.赋值
因为字符指针指向一个字符串，指向的字符串为字符常量，不能修改，因此这边的复制将的是字符数组的赋值。
###### 当为已经完成定义的字符数组赋值时，不能采用类似于初始化的方式为字符数组赋值了。如下语句是错误的：
char str[10]; //已经完成定义（包括编译器默认的初始化）
str={‘a’,‘d’,‘s’}; //错误
str=“abc”; //错误
str={0}; //错误
错误的原因是字符数组名代表字符数组的收地址，不可修改，不能作为左值。左值的概念见博客：认识左值与常引用。
###### 逐个字符赋值
（1）for循环的方式。
char str[10];
for(int i=0;i<sizeof(str):++i)
str[i]=‘\0’;
（2）**使用memset()赋值，较for循环高效率，建议使用。当然为字符数组置空应该在初始化时完成，不应该再多次一举。**
char str[10];
memset(str,0,sizeof(str));
###### 拷贝赋值
利用已有的字符串，通过memcpy,strcpy或者strncpy等函数实现拷贝赋值，参考代码如下：
char str[10];
char str2[]=“hello”;
memcpy(str,str2,sizeof(str2));
strcpy(str,str2);
strncpy(str,str2,strlen(str2)+1);
### 三、C++ string类（C++字符串）完全攻略
string 类是 [STL]( ) 中 basic\_string 模板实例化得到的模板类。其定义如下：
typedef basic\_string string;
basic\_string 此处可以不必深究。
string 类的成员函数有很多，同一个名字的函数也常会有五六个重载的版本。篇幅所限，不能将这些原型一一列出并加以解释。这里仅对常用成员函数按功能进行分类，并直接给出应用的例子，通过例子，读者可以基本掌握这些成员函数的用法。
要想更深入地了解 string 类，还要阅读 [C++]( ) 的参考手册或编译器自带的联机资料。对于前面介绍过的字符串处理的内容，这里不再重复说明。
#### 1. 构造函数
string 类有多个构造函数，用法示例如下：
string s1(); // si = “”
string s2(“Hello”); // s2 = “Hello”
string s3(4, ‘K’); // s3 = “KKKK”
string s4(“12345”, 1, 3); //s4 = “234”，即 “12345” 的从下标 1 开始，长度为 3 的子串
为称呼方便，本教程后文将从字符串下标 n 开始、长度为 m 的字符串称为“子串(n, m)”。
string 类没有接收一个整型参数或一个字符型参数的构造函数。下面的两种写法是错误的：
string s1(‘K’);
string s2(123);
#### 2. 对 string 对象赋值
可以用 char\* 类型的变量、常量，以及 char 类型的变量、常量对 string 对象进行赋值。例如：
string s1;
s1 = “Hello”; // s1 = “Hello”
s2 = ‘K’; // s2 = "K”
string 类还有 assign 成员函数，可以用来对 string 对象赋值。assign 成员函数返回对象自身的引用。例如：
string s1(“12345”), s2;
s3.assign(s1); // s3 = s1
s2.assign(s1, 1, 2); // s2 = “23”，即 s1 的子串(1, 2)
s2.assign(4, ‘K’); // s2 = “KKKK”
s2.assign(“abcde”, 2, 3); // s2 = “cde”，即 “abcde” 的子串(2, 3)
#### 3. 求字符串的长度
length 成员函数返回字符串的长度。size 成员函数可以实现同样的功能。
#### 4. string对象中字符串的连接
除了可以使用`+`和`+=`运算符对 string 对象执行字符串的连接操作外，string 类还有 append 成员函数，可以用来向字符串后面添加内容。append 成员函数返回对象自身的引用。例如：
string s1(“123”), s2(“abc”);
s1.append(s2); // s1 = “123abc”
s1.append(s2, 1, 2); // s1 = “123abcbc”
s1.append(3, ‘K’); // s1 = “123abcbcKKK”
s1.append(“ABCDE”, 2, 3); // s1 = “123abcbcKKKCDE”，添加 “ABCDE” 的子串(2, 3)
#### 5. string对象的比较
除了可以用 <、<=、==、!=、>=、> 运算符比较 string 对象外，string 类还有 compare 成员函数，可用于比较字符串。compare 成员函数有以下返回值：
* 小于 0 表示当前的字符串小；
* 等于 0 表示两个字符串相等；
* 大于 0 表示另一个字符串小。
例如：
string s1(“hello”), s2(“hello, world”);
int n = s1.compare(s2);
n = s1.compare(1, 2, s2, 0, 3); //比较s1的子串 (1,2) 和s2的子串 (0,3)
n = s1.compare(0, 2, s2); // 比较s1的子串 (0,2) 和 s2
n = s1.compare(“Hello”);
n = s1.compare(1, 2, “Hello”); //比较 s1 的子串(1,2)和"Hello”
n = s1.compare(1, 2, “Hello”, 1, 2); //比较 s1 的子串(1,2)和 “Hello” 的子串(1,2)
#### 6. 求 string 对象的子串
substr 成员函数可以用于求子串 (n, m)，原型如下：
string substr(int n = 0, int m = string::npos) const;
调用时，如果省略 m 或 m 超过了字符串的长度，则求出来的子串就是从下标 n 开始一直到字符串结束的部分。例如：
string s1 = “this is ok”;
string s2 = s1.substr(2, 4); // s2 = “is i”
s2 = s1.substr(2); // s2 = “is is ok”
#### 7. 交换两个string对象的内容
swap 成员函数可以交换两个 string 对象的内容。例如：
string s1("West”), s2(“East”);
s1.swap(s2); // s1 = “East”，s2 = “West”
扫一扫
69
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
