字符编码和Qt中文乱码相关问题这里都给理清楚了

前言

本文可以帮你彻底理清Qt程序中的中文乱码问题，做到不但知其然并且还能知其所以然。做中文软件开发的朋友应该都遇到过中文乱码问题，遇到这种情况，很多人都是百度一下，学到一个方法，放到程序里一试，见到确实有效，然后就丢在那不管了。这样做关键的问题有两个：一是很容易出现，在这个情况下有效，但到了另一个情况就无效了，还要找其他的方法去处理；二是有些东西根本就不是处理字符编码问题的，但用了确实能解决乱码问题，就会造成乱用的现象，典型的例子就是Qt4中的QTextCodec::setCodecForCStrings，由于滥用在Qt5中被删了。

我们是内网开发，代码考出来很费劲，测试代码就不贴了，这里只和大家分享一下经验总结。

字符编码

一提字符编码，大家脑海中立马想起什么u8，gbk，Unicode等等，但很多人分不清这些编码的关系，这里先理清楚这些编码都是什么东西，理清这些以后，再处理中文乱码的问题就简单明了了。

ASCII

众所周知，计算机是美国人搞出来的，美国人讲英语，英语又只有26个字符，只要对这26个字母进行编码，就可以表示出所有的英文单词。当时的美国人天然的就想到了，用一个字节就能表示这些字符。一个字节8位，可以表示256种字符，英文字母的大小写加上0到9这10个数字，甚至加上各种标点符号也用不了256个字符。在实际的编码过程当中，其实只编到第127个就够美国人用了，美国人觉得这样挺好，就制定了一个美国人自己用的标准，这就是ASCII ((American Standard Code for Information Interchange)编码。在初学C语言的时候，我们常说的数字97等于字符a，数字48等于字符0，说的就是这个ASCII码的对应关系。

ASCII扩展码

后来计算机传到其他国家，发现有些本国的字符在ASCII中没有，ASCII中没有就没办法用计算机表示，那这么办？后面不是还有128到255这么多的编号没用吗？于是这些国家的人们就把这些编号用了起来，编入到ASCII剩余的位置，这就是ASCII扩展码。

gb2312

等到中国人开始使用计算机的时候，就有点懵逼了，中文常用的汉字就6000多个，您这才二百来个编码哪够用啊？但这也难不倒聪明的中国人，一个字节8位256个编码不够用，那我扩展一下，使用两个字节，16位，有65536个编码位，几千个汉字足够用了。不但自己够用，甚至还能兼容英文的。于是中国人自己搞出来一个16位的编码，其中前127个和ASCII一样，后面的是我们自己的东西，这套编码就是gb2312。同时在这套编码中，不但保留了原有的ASCII的标点符号，我们还自己编制了一些中文的标点符号，原先ASCII的就是俗称的半角符号，后来新编的就是俗称的全角符号。在中文计算机的世界，有一句经常听到的话，“英文占一个字节，汉字占两个字节”，说的就是这套编码。

gbk和gb10830

随着计算机在国内的普及，发现光有常用字不行，生僻字也要有，于是就在gb2312的基础上，扩展了一些生僻字，这就是gbk。同时也别忘了，我们是多民族国家，汉字有了，还有那些少数民族呢，他们的文字也需要进计算机，于是在gbk的基础上继续扩展，加入了少数民族的文字，这套编码就叫gb10830。

Unicode

至此，一切都显得很美好对不对？但是不要忘了，我们说的只是我们国内自己的事，要知道，全世界这么多国家，这么多语言文字，每个国家都搞出来一套自己的编码，这不乱了套了。

后来，国际标准化组织看不下去了，制定出一套包含全世界所有语言文字的编码，大家都用这套编码，免得乱七八糟的，谁也不认识谁，这套编码就是Unicode。

utf是到底是什么

但是Unicode只是一套标准，它只是规定了数字多少对应哪个字符，但它不是计算机内部可用的具体实现，数字和字符的对照表，人类看得懂，但计算机他看不懂啊，就需要有给具体的方案将这张对照表输入到计算