编码格式

编码格式

ASCII编码：用来表示英文，它使用1个字节表示，其中第一位规定为0，其他7为存储数据，一共可以表示128个字符。

 

拓展ASCII编码：用于表示更多的欧洲文字，用8个位存储数据，一共可以表示256个字符。

 

GBK/GB2313/GB18030：表示汉子，GBK和GB2313都是针对简体字的编码，只是GB2313只支持六千多个汉子的编码（不包括特殊字符），而GBK支持1万多个汉子编码, gbk编码是对G B2312编码的扩充。没有质的变化。保留了所有G B2312编码,在此基础上进行编码范围的扩充.容纳(包含特殊字符)共22014个字符编码. GB18030是用于繁体字的编码gb18030编码是在gbk编码基础上的扩充。汉子存储时都使用两个字节来存储。

 

ANSI编码：ANSI并不是某一种特定的字符编码，而是在不同的系统中，ANSI表示不同的编码。在英文系统中ANSI表示ASCII编码，在中文简体的系统中ANSI表示GBK编码。

 

Unicode编码：包含世界上所有的字符，是一个字符集。

 

UTF-8：是Unicode字符的实现方式之一，它使用1-4个字符表示一个符号，根据不同 的符号而变化字节长度。

文件已EF BB BF表示

UTF-8的编码规则很简答，只有两条。

1.对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码，因此对于应为字母，UTF-8编码和ACSII码是相同的

2.对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设置10，剩下的没有提及的二进制位，全部为这个符号的unicode码。

Unicode符号范围 | UTF-8编码方式

(十六进制) | （二进制）

--------------------+---------------------------------------------

0000 0000-0000 007F | 0xxxxxxx

0000 0080-0000 07FF | 110xxxxx 10xxxxxx

0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

 

UTF16LE/UTF16BE：UTF16是unicode字符编码的一种实现方式，即把unicode字符集的抽象码位映射为16位长的整数序列，用于数据存储或传递。unicode字符的码位，需要1个或者2个16位长的码元来表示。

UTF-16LE：小端格式，以FF FE表示

UTF-16BE：大端格式，以FE FF表示

UTF-32是一种将unicode字符编码的协定，对每一个unicode码位使用恰好32位元，因为UTF-32对每个字符都使用4字节，就空间而言，是非常没有效率的。

UTF-32LE：FF FE 00 00

UTF-32BE：00 00 FE FF

 

程序相关编码

程序源文件编码：指保存文件内容使用的编码方案，可在保存的时候自定义。windows环境下的C++源文件编码通常为GB18030，linux下默认为UTF-8编码

C++程序内码：C++中的字符串变成一串字节存放在可执行文件中，内码指的是在可执行文件中，字符串以什么编码进行存放。这里的字符串常亮指的是窄字符。宽字符通常都是以Unicode存放(通常windows使用UTF-16BE，GCC使用UTF-32BE存放)。

运行环境编码：执行程序时，操作系统或中断使用的编码。程序中输出的字符最终要转换为运行环境编码才能显示，否则就会出现乱码，常用的简体中文windows环境编码是GB18030，linux下常用的环境编码是UTF-8。

关系：

编译器需要正确识别源文件编码，把源文件编译位目标文件，并把源文件中的以源文件编码的字符串转换为以程序内码编制的字符串保存在目标文件中。如果源程序中的为窄字符常量，则程序运行时，直接将目标文件中对应的内码字符串输出。若为宽字符串常量，则程序程序运行时c++标准库需要正确识别终端的运行环境编码，并把程序的输出转换为运行环境所使用的的编码，以正确显示。

 

窄字符在不同的编译器下有不同的缺省编码形式(简体中文VC下GB18030编码，gcc下是UTF-8)，在输出窄字符时会按照程序内码原样输出，不进行编码转换，因此在使用窄字符时要求程序内码和运行环境编码一致，才不会出现乱码。

宽字符一般都使用unicode编码，在VC下使用UTF-16，gcc使用UTF-32，在输出宽字符时，还会自动转换为运行环境的编码，因此只要正确设置了运行环境编码，同一个程序就可以在不同编码的运行环境下正确显示中文。在程序中设置当前环境的字符编码，通过local::global(locale(""))进行设置。