c编译错误--error:stray \357 in program及其引发的字符编码概述

在编译c文件的时候，出现如下错误：

error: stray ‘\357’ in program
error: stray ‘\274’in program
error: stray ‘\233’in program

百思不得其解，怒百度之，几番查找之下，终于找出原因：

原来是UTF-8编码问题。UTF-8编码有BOM和无BOM格式。BOM，ByteOrderMark(字节标记顺序),表明使用UTF8来进行编码。UTF-8的BOM通常为3个字节EF BB BF。转换成对应的字符查看，就是‘\357’，‘\274’，‘\233’。

本着实践才是硬道理的原则，我做了一个验证:

1):notepadd++打开一个文件，分别使用UTF-8无BOM格式和UFT-8格式，使用winhex进行查看，可以看到带BOM格式的头部有EF BB BF三个字节，所以编译时会报错。

无BOM格式不存在头3个，

2):notepadd++打开一个文件，分别使用UTF-8无BOM格式和UFT-8格式，linux下输入od -tc 源文件名，查看。

带BOM:

无BOM：

问题解决，所以以后编程时特别注意编码问题。使用UTF-8无BOM格式或者ANSI格式。

考虑到之前写php程序时也经常出现一些编码问题，在这里我对各种编码进行一个系统的学习。学习资料来自你到底是UTF-8还是ANSI，该文简洁易懂，实乃居家旅行，出门必备之必读文章。扯远了。。

现在做对各种编码格式作一个总结：

1):ANSI.

谈到ANSI，估计你就想到ascii码表了。0-31这32个值用作特殊用途，当打印机或终端遇上这些字符时，便会做出特定的动作。从32到127，这些值用来表示打印字符(英文字符，运算符等)，再之后，世界其他国家开始使用计算机，他们国家的文字编码相应的就填充到128-255这些值中，这些就被称为拓展字符集。上述就统称为ANSI编码.

ASCII码大致可以分作三部分組成:

第一部分是：ASCII非打印控制字符；
第二部分是：ASCII打印字符；
第三部分是：扩展ASCII打印字符。 

ascii码

2):gb2312,  gbk, gb18030

gb2312:

等到中国人民开始使用计算机的时候，已经没有剩余的字符给中国人民使用了。但是，美帝是无法难倒聪明的中国人民的，中国人开始想到用两个字节表示汉字，第一个字节从OXA1-OXF7，第二个字节从OXA1-OXFE，这样就可以组合出7000多个汉字，ascii码本来有的数字标点，字母统一重新编了两个字符的编码，这就是全角字符，原来的127一下的就叫做半角字符。这就是gb2312编码的由来。

gbk:

后来中国人民发现，还是有些汉字在gb2312中无法显示出来，所以规定第一个字节从OXA0-0XFF，第二个字节不限。这样又增加了近20000个新汉字和符号。这就是gbk编码的由来。

gb18030:

在汉字系统中，少数民族也开始进入，为了增加少数民族汉字，又加了几千个少数民族汉字，这就是gb18030编码由来。

这三种编码统一称为DBCS，double byte charecter set双字节字符编码。

3):UCS（俗称UNICODE）

这时候，每个国家都开始制定自己的文字编码，编码格式乱的一B，这时候ISO站了出来，发明了UNICODE这种编码来统一世界上各种编码。

UNICODE--universal multiple-octet coded charecter set。unicode直接规定，所有字符统一用两个字节来表示。对于ascci码半角字符小于127字符，编码不变，8位拓展为16位(只含英文字符的unicode文章大大浪费存储啊，这么多高位0，不过ISO表示咱不在乎这点空间)，对于其他国家的双字符编码，统一重新进行编码。如上就是UNICODE编码。这里要说一个问题，两个字节存储，你会想到什么？没错，那就是大小端问题。所谓大小端，无法就是大端高位字节存在低位存储单元（高位在前），小端就是低位字节存在低位存储单元（低位在前）。UNICODE区分出大小端，在网络传输时，如何判断字节流是大端还是小端呢？为了解决这个问题，UNICODE引入两个字节的BOM，对于大端模式来说，那就是FE FF；对于小端模式来说，那就是FF FE（OX00位置FF,OX00位置FE，别混乱了啊）。这样我们就可以区分出是大端还是小端。

4)UTF

随着网络时代的来临，UNICODE在网络上的传输成为一个问题。并且，考虑到unicode编码和ansi编码之间的兼容问题，此时出现UTF(UCS Tranfer Format)编码，一来解决传输问题，二来和ASCII编码保持最大程度的兼容，这样做的好处是压缩了字符在西欧一些国家的内存消耗，减少了不必要的资源浪费。这里给出一个UNICODE和UTF-8的对换标准:

UNICODE	0000-007f	0080-07ff	0800-FFFF
UTF	0xxxxxxx	110xxxxx  10xxxxxx	1110xxxx 10xxxxxx 10xxxxxx

好了，各个编码标准的来源都扯了一遍，感觉更明白了点。