编译和编码

几个概念：
计算机中可见的字符都有一个二进制的机器编码与之对应。
字符集可以理解为这种字符与二进制的对应关系的集合。
编码是将字符转换为二进制的过程。解码与之相反。

源码字符集：源码存储在计算机磁盘上所采用的编码方式。
执行字符集：运行的程序中的字符在内存中存储所使用的编码方式。
内部字符集：编译器内部使用的字符集。

以gcc为例：
-finput-charset 设置输入字符集，用于从输入的字符集转换，默认为utf8。
-fexec-charset=charset 设置执行字符集。决定了字符串常量在内存中的编码。默认为utf8。

输入字符集决定了源码到内部字符集的转换方式。源码存储方式如果为gbk，且编译器指定的输入字符集为gbk。在将c语言编译为汇编时，会将源码字符集转换为内部utf-8。
执行字符集决定了由内部字符集到执行字符集的转换方式。如果设置为gbk，在将汇编语言翻译成机器语言时，会将字符串常量从内部字符集utf-8向gbk转换。

如果二者都为utf-8，由于gcc内部字符集也为utf-8，不会发生转换。内存中的字符串常量的编码直接取决于源码的编码。

---

ASCII：使用7位二进制数（剩下的1位二进制为0）来表示所有的大写和小写字母，数字0 到9、标点符号，以及在美式英语中使用的特殊控制字符。后128个称为扩展ASCII码。

ANSI：ANSI即扩展的ASCII编码。不同的国家和地区制定了不同的标准，由此产生了 GB2312、GBK、GB18030、Big5、Shift_JIS等各自的编码标准。这些使用多个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文Windows操作系统中，ANSI编码代表 GB2312编码；在繁体中文Windows操作系统中，ANSI编码代表Big5；在日文Windows操作系统中，ANSI 编码代表 JIS 编码。

unicode：为了统一各个国家的编码，出现了unicode。它为每种语言中的每个字符设定了统一并且唯一的二进制编码。Unicode通常用两个字节表示一个字符，原有的英文编码从单字节变成双字节，只需要把高字节全部填为0就可以。
但是unicode并没有规定unicode在计算机中的存储方式。没有解决空间浪费和字节序问题。于是出现了utf-8。

UTF-8:是针对Unicode的一种可变长度字符编码。为1~4个字节。其中，utf-8编码的首字节连续的1的个数表示字符编码所需的字节数。并且utf-8编码单元为单字节，在解码时不存在字节序问题。