CSP初赛知识精讲--字符存储

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

1. 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
2. （ ）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
3. 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
4. 若串S=“copyright”，其子串的个数是（ ）。
   A.72 B.45 C.46 D.36
5. 下列字符中，ASCII码值最小的是（ ）。
   A.a B.B C.R D.1