首先从熟悉的ASCII编码说起
基本ASCII 编码一共7位,2^7=128个,对于英文26个字母那是绰绰有余的。
但是咱们中国汉字博大精深啊,区区128个字啥完整的意思可能都表示不了
于是产生了各种各样的新的编码
在VC中 汉字是使用GB2312编码来存储的,GB2312就是2Byte表示一个汉字
进入VC反汇编一下
char name[10]="你好谁啊";
004113B8 A1 40 57 41 00 mov eax,dword ptr [string "\xc4\xe3\xba\xc3\xcb\xad\xb0\xa1" (415740h)]
004113BD 89 45 EC mov dword ptr [ebp-14h],eax
004113C0 8B 0D 44 57 41 00 mov ecx,dword ptr ds:[415744h]
004113C6 89 4D F0 mov dword ptr [ebp-10h],ecx
004113C9 8A 15 48 57 41 00 mov dl,byte ptr ds:[415748h]
004113CF 88 55 F4 mov byte ptr [ebp-0Ch],dl
004113D2 33 C0 xor eax,eax
004113D4 88 45 F5 mov byte ptr [ebp-0Bh],al
看到string "\xc4\xe3\xba\xc3\xcb\xad\xb0\xa1“这一段了吗,”你好啊谁“,四个字占了八个字节,所以一个字占了两个字节
\x的意思就是十六进制转义符了,实际的每个字对应是
你:c4e3 好:bac3 啊:cbxa 谁:b0xa
为了验证到底是否符合之前所说,可以打开http://tool.xker.com/gb2312tbl.php 进行GB2312编码到具体文字的查询,证明是成立的。
最后还得注意下这句话:
004113CF 88 55 F4 mov byte ptr [ebp-0Ch],dl
这句话也是关键,作为一个字符串读入,VC自动添加结束符到数组结尾。edx寄存器在执行mov byte ptr [ebp-0Ch],dl时候值是0000000h,所以实际上就是传入00到数组结尾,就是传说中的\0啦
最后的内存分布:
0x0012FF4C cc cc cc cc cc cc cc
0x0012FF53 cc c4 e3 ba c3 cb ad
0x0012FF5A b0 a1 00 cc cc cc cc
那些在一大堆cc中间的万花丛中一点红就是我们熟悉的中文的GB2312编码啦,注意后头还有个00
关于如何读写,发现VC还是相当方便,平常字符是如何存储读写,他也不差多少
char name[10]="你好";
就是注意中文字符是2Byte,一个char类型1Byte,所以要计算好数组容量,尤其是还得额外加上结尾的\0 ,防止不必要的溢出
可以
scanf("%s",name);
直接读入中文字符串