嵌入式project_数码相框_02_字符编码方式

嵌入式Linux系列project->数码相框_02_字符编码方式

• 计算机文字编码方式
  计算机内部只能识别0和1，也就是说像各计算机系统显示的汉字、字母是由0和1编码而成；计算机是美国人发明的，他们要在计算机上显示字母，那很简单，发明了ASCII码（美国标准信息交换码），该码用一个字节表示，低7位表示字母：字母’a’的ASCII码为0x61， 字母’A’的ASCII码为0x41。例如：我们在UltraEdit软件中输入一段英文：hello world 再显示它的十六进制码：
  
  可以发现它是ASCII编码显示的，也就是说在嵌入式开发板上要显示这些英文信息就得使用ASCII，根据编码再从字体文件中找到对应字体最后显示在LCD上。

  但ASCII显示英文没问题，但随着发展，计算机逐渐流入中国大陆、台湾等地区，这就导致很多不同的字符集（charset）的出现，像GB2312、GBK、BIG-5等，一个问题是：GBK字符集的汉字在BIG-5字符集里就会变成其它字，也就是编码的不同，导致不同字符集的机器上显示会不一样。

  之后呢也就有了统一的规范编码表-Unicode，Unicode是一种数值，它是很多种语言的编码集，常用3字节表示一个Unicode码：
  
  这是utf-16小端存储方式编码，FF FE表示数据存储为小端模式，61 00表示字母‘a’，2D4E表示汉字“中”。
  
  这是utf-16大端存储方式编码，FE FF表示数据存储为大端模式，00 61表示字母‘a’，4E2D表示汉字“中”。

  可见当存储汉字时用了两字节，而存储英文字母时也用了两字节，高位的一个字节就浪费掉了，则还有一种编码解决该问题-utf-8：
  
  我们可以看到，这种格式的编码在存储字母时只用了一个字节，而存储汉字用了标准的三字节，顾名思义该编码是可变长的，前面的EF BB BF就告诉机器，我这个编码是utf-8的，机器就会根据utf-8的编码格式进行解码，（“中”）E4 B8 AD的二进制表示如下：
  1110 0100 1011 1000 1010 1101 最高三位有三个1表示3字节表示该字符或汉字。
  Unicode部分编码表：
  
  BIG-5部分编码表：
  
  ASCII部分编码表：
  

• 文字在C程序中的表示：
  源文件用不同的方式编写，会导致执行结果不一样。解决这种问题需要在编译程序时指定字符集：
  我们在Linxu shell环境下输入man gcc&&/charset 意思为查看gcc手册并搜索charset(字符集)。
  
  -finput-charset=charset 表示文件的编码方式，默认以UTF-8来解析
  -fexec-charset=charset 表示可执行程序里的字符以什么编码方式来表示，默认是UTF-8

  gcc -o a a.c
  
  
  执行utf-8_2和asci两个程序并对比：
  
  两个程序都是以asci.c为源文件进行编译的，utf-8_2是编译时指定了字符集-fexec-charset=UTF-8的应用，而asci编译时没有指定字符集，执行程序后发现指定了字符集的应用和urf-8源文件读入的应用一样，也就成功修改了应用程序的字符集表示。

  参考资料：

  BIG5编码表
  http://wenku.baidu.com/view/9bb3ae01b52acfc789ebc970.html

  UNICODE编码表
  http://wenku.baidu.com/view/7c667f563c1ec5da50e27069.html

  ASCII编码表
  http://tool.oschina.net/commons?type=4