C++中的中文编码 乱码的根源及解决方案

总结

ASCII规定了127个字符编码，而一个字节最多能表示256种。所以可以根据第一位来判断是不是ASCII编码，如果不是说明这是一个多字节编码。

char 与 std::string，英文字符在 UTF-8 中使用一个字节存储，中文字符使用三个字节存储。

C++ 11 开始支持 UTF-8、UTF-16 和 UTF-32 字符串常量的声明，分别使用 u8""、u"" 和 U"" 作为声明的标志。

wchar_t 与 std::wstring解决多字符编码，占两个字节，且需要使用适配的 std::wcout 和 std::wofstream。windows中的编译器一般将wchar_t定为2个字节宽，而linux中的编译器一般定义wchar_t为4字节宽。用常量字符给wchar_t变量赋值时，前面要加L。如： wchar_t wch2 = L’中’;用常量字符串给wchar_t数组赋值时,前面要加L。如： wchar_t wstr2[3] = L”中国”。

编码场景：

• 源码字符集（the source character set）：源代码文件是使用何种编码字符集保存的
• 执行字符集（the execution character set）：源代码经过编译、链接后的可执行文件是使用何种编码字符集保存的，程序实际执行时，内存中的字符串编码就是执行字符集
• 运行环境编码：操作系统（或者当前控制台环境）用于显示文字的编码字符集

乱码的根源：源代码文件（源码字符集）经过编译/链接，生成可执行文件（执行字符集&#x