第六节 字符存储
基础知识
ASCII码表
计算机只能处理数字,那么如果要处理文本等信息,就必须先转换为数字才能处理。美国首先推出了ASCII(美国信息交换标准代码)码表,统一规定了常用的符号(使用7个bit,最多表示128位)。
对于ASCII码表,我们不需要记住每个字符的编号,只需要重点记住数字0的编码是48,大写字母A的编码是65,小写字母a的编码是97。因为剩余的数字和字母都是连续的,比如数字9的编码是57,大写字母Z的编码是90,小写字母z的编码是122,所以我们可以自己算出其他数字或字母的编码。
其他编码
ASCII码表能够解决英文字母、数字和一些符号的存储问题,但是全世界的语言有很多种,各国也有自己的编码方式,比如中文编码有用GB2312,繁体中文是BIG5,日文是Shift_JIS,韩文是Euc_kr等,这就会导致在多语言的混合文本中,显示会出现乱码。
因此就有了Unicode(万国码),将世界所有的符号都纳入其中,现在又一百多万个符号(前128个仍然是ASCII字符)。
但是ASCII编码是1字节,Unicode编码通常是2字节。如果我们都统一用Unicode虽然解决了乱码问题,但是用Unicode编码比ASCII编码至少多一倍的存储空间。所以Unicode也有多种存储方式,其中UTF-8(一种可变长的编码存储方案)比较常见,它会根据不同大小编码成1 ~ 6字节,比如英文字母编码成1字节,汉字通常是3字节,复杂一点的编码成4 ~ 6字节。
字符串
在C++语言中,字符类型变量位char,若以字符串(多个连续字符)的形式出现,则借助char数组或者string来存储,以下是一些与字符串相关的名词。
字典序:一般而言,若要对两个字符串做大小比较,那么比较规则就是按字典序,字符大小即为ASCII码表编号的大小。先比较第一个字符,如果一样就比较下一个字符…。如果不一样长比如(abc和abcd),那么短的在前,长的在后。
子串:字符串中任意个连续的字符组成的子序列称为该串的子串,空串和字符串本身也是该字符串的字串。
子序列:和子串不同,子序列不要求字符连续。
赛题训练
- 以下关于字符串的判定语句中正确的是( )。
A.字符串是一种特殊的线性表
B.串的长度必须大于零
C.字符串不可以用数组来表示
D.空格字符串组成的串就是空串 - ( )是一种通用的字符编码,它为世界上绝大部分语言设定了统一并且唯一的二进制编码,以满足跨语言、跨平台的文本交换,目前它已经收录了超过十万个不同字符。
A.ASCII B.Unicode C.GB2312 D.BIG5 - 字符串的子串是其连续的局部,字符串自身是其最长的子串,空串是其最短的子串,对于字符串S=“Microsoft”,其非空子串的个数是( )。
A.72 B.46 C.45 D.36 - 若串S=“copyright”,其子串的个数是( )。
A.72 B.45 C.46 D.36 - 下列字符中,ASCII码值最小的是( )。
A.a B.B C.R D.1