C++ 汉字的编码简例

1、c风格字符串char数组存储时采用【多字节字符集】存储，英文字符（0-127）采用ASCⅡ编码，汉字采用GBK编码，用2个字节表示（不分大小端）。

多字节字符集（MBCS）是在ASCⅡ基础上演变过来（为了兼容西方特殊字符，东方汉字日文等），名称中的“多字节”是相对于之前的单字节编码而言的。

2、标准库string也采用多字节字符集存储，同上；

3、wchar_t是C++中专门用来存储宽字符的类型，前缀L是将【多字节字符集】转化为【宽字符集（unicode）】。

Unicode为地球上(以后会包括火星，金星，喵星等)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（0-65535，2Byte），以满足跨语言、跨平台进行文本转换、处理的 要求。在Unicode中，汉字“字”对应的数字是23383。在Unicode中，我们有很多方式将数字23383表示成程序中的数据，包 括：UTF-8、UTF-16等（其中UTF-16为标准Unicode编码，UTF-8是为了Unicode能在单字节字符集机器上应用演变出来的）。UTF是“UCS Transformation Format”的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。
本例中“顺”的UTF-16编码为0x987a，内存中为小端存储（低字节靠前）。

 

参考：

1、点击打开链接  中文编码杂谈