c语言 乱码转化为16进制_编码格式介绍及C语言处理汉字编码

什么是编码格式

从一个小问题引入

我们在学习C语言的时候，有一道必做的题目是将大写字母转换成小写，相信有点基础的同学都能不加思索的写出下面的代码：char toLower(char upper){

if (upper >= 'A' && upper <= 'Z'){

return upper + 32;

}else{

return upper;

}

}

要问为什么是这段代码？我们往往也能说得出：因为大小写字母在ASCII码上正好相差32(字符'a'为97， 字符'A'为65)。

我们在进行字符初始化的时候，往往会将字符初始化为'\0'。因为'\0'在ASCII码中对应的数值是0。

我们理所应当地知道char型字符对应的范围是0~127，因为ASCII码的范围就是0~127。

但是有没有想过，为什么是ASCII码？

所谓的ASCII码，又到底是什么？

编码格式介绍

要说起ASCII码，不得不说起编码格式。

我们知道，对于计算机来说，我们在屏幕上看到的千姿百态的文字、图片、甚至视频是不能直接识别的，而是要通过某种方式转换为0和1组成的二进制的机器码，最终被计算机识别(0为低电平，1为高电平)。

对于数字来说，有一套非常成熟的转换方案，就是将十进制的数字转换为二进制，就能直接被计算机识别(如5转换为二进制是 0000 0101)。但是对于像ABCD这样的英文字母，还有!@#$这样的特殊符号，计算机是不能直接识别的，所以就需要有一套通用的标准来进行规范。

这套规范就是ASCII码。

ASCII码使用127个字符，表示A~Z等26个大小写字母，包含数字0~9，所有标点符号以及特殊字符，甚至还有不能在屏幕上直接看到的比如回车、换行、ESC等。

按照这套SACII的编码标准，就很容易的知道，'\0'代表的是0， 'A'代表的是65，而'a'代表的是97，'A'和'a'之间正好相差了32。

ASCII码虽然只有127位，但基本实现了对所有英文的支持。所以为什么说char类型只占1个字节？因为char型最大的数字是127，转成二进制也不过是0111 1111,只需要1个字节就能表示所有的char型字符，因此char只占1个字节。

但是随着计算机的普及，计算机不但要处理英文，还有汉字、甚至希腊文字、韩文、日文等诸多文字，这时，127个字符肯定不够了，这时就引入了Unicode的概念。

Unicode是一个编码字符集，它基本涵盖了世界上绝大多数的文字(只有极少数没有包含)，在Unicode中文对照表中可以查看一些汉字的Unicode字符集。

比如，汉字”七“在Unicode表示为十六进制0x4e03，表示成二进制位0100 1110 0000 0011，占了15位，至少需要两个字节才能放得下，有些更复杂的生僻字，可能占用的字节数甚至不止两位。

这就面临着一个问题，当一个中英文夹杂的字符串输入到电脑的时候，计算机是如何知道它到底是什么的？

就像上面的0100 1110 0000 0011，它到底是表示的是0100 1110和0000 0011两个ASCII字符，还是汉字”七“？计算机并不知道。所以就需要一套规则来告诉计算机，到底该按照什么来解析。这些规则，就是字符编码格式。

其中就包括以下几种。ASCII

UTF-8

GBK

GB2312

GB18030

BIG5

ISO8859

编码格式分类

ASCII

ASCII 编码前面已经介绍过，此处就不再多说了。它使用0~127这128位数字代表了所有的英文字母以及数字、标点、特殊符号和键盘上有但屏幕上看不见的特殊按键。

它的优点是仅用128个数字就实现了对英文的完美支持，但是缺点也同样明显，不支持中文等除英文以外的其他语言文字。

因此，ASCII码基本可以看做是其他字符编码格式的一个子集，