源字符集与执行字符集

1 源字符集

1.1 源字符集的概念

源字符集： 保存源文件时所使用的字符集。
注意：这里的字符集指的其实是字符编码。因为，一个字符集可能有多种字符编码，比如Unicode字符集中就有UTF-8、UTF-16、UTF-32等。所以，我们保存源文件只指定字符集是不行的，我们需要明确指定具体的字符编码。字符集、字符编码这两个词经常被混用，所以，我们需要根据上下文来判断，字符集到底指的是什么。

1.2 明确源字符集的重要性

C实现在转换源文件时，必须要知道源文件在保存时所使用的字符集（源字符集）。因为，不同的字符集对同一个字符的编码可能是不同的。所以，如果C实现不知道源字符集是哪个，那么，它就无法正确的识别源文件的内容，就更不要说进行语法分析了。

如果源文件中只包含了ASCII字符，那么，在保存源文件时，我们基本上不需要关心源字符集的问题。因为，基本上常见的字符集都是兼容ASCII的（UTF-16和UTF-32不兼容ASCII）。

但是，如果源文件中使用了汉字。那么，在保存源文件时，我们就需要关心一下源字符集的问题了。因为，不同的字符集对同一个汉字的编码可能是不同的。

对于gcc：
Linux下gcc是默认使用UTF-8来读取源文件的（Windows下的gcc默认是GBK编码），而UTF-8也是兼容ASCII的，所以一般情况下是不会出问题的。

当源字符集是GBK的时候，我们需要手动设定gcc读取源文件时使用的字符集：

• gcc 1.c -finput-charset = gbk，gcc 将使用gbk来读取源文件

---

2 执行字符集

2.1 执行字符集的概念

源文件中的内容，本质上其实就是一堆字符（因为，源文件是一个文本文件）。这些字符组成了声明、语句、函数等等（当然了，计算机是看不懂的）。然后，当源文件被转换为可执行程序以后，这些由字符所组成的源代码，都将被替换为实现了相同功能的机器指令。但是，源文件中的字符串、字符常量等信息文本，并不会被替换为相应的机器指令。因为，它们并不对应某个功能，它们一般是用来打印和输出、传输。所以，它们在可执行文件（程序）中存储的仍然是其所对应的字符编码。

接下来的问题是：字符串、字符常量等信息文本在可执行文件中是按照哪种字符编码来存储的？这是由gcc来决定的：Linux下gcc默认使用UTF-8来存储这些信息文本到可执行文件中。

更改gcc的默认设置：

• gcc 1.c -fexec-charset = gbk（gcc将使用gbk来存储这些信息文本到可执行文件中）

执行字符集： 执行环境所使用的字符集。

2.2 修改执行字符集

执行环境所使用的字符集具体是哪个字符集呢？
我们为什么要关心这个问题呢？因为，如果执行字符集和可执行程序中信息文本所使用的字符集不一致。那么，程序在被执行的时候，程序中的信息文本会被错误的解析。

Linux终端：

• 默认为UTF-8。
• 终端属性中即可修改。

windows控制台：

• 默认为GBK。
• 代码页/内码表 ：windows给每个字符集分配了一个编号、比如：GBK–>936、UTF-8–>65001。
• 当前/活动代码页 ： 活动代码页为936，就表示当前正在使用的字符集是gbk。
• 查看活动代码页 ：chcp。
• 设置活动代码页 ：chcp 65001。

注意： 执行字符集 != Linux终端的字符集、windows控制台的字符集（图形化的界面有单独的执行字符集）。