C 语言数组存储汉字问题小结

正阳Liu

已于 2022-10-07 10:50:07 修改

阅读量2.7w

点赞数 56

分类专栏：问题总结文章标签： c语言汉字存储数组汉字数组汉字数组大小

于 2020-10-25 14:52:40 首次发布

本文链接：https://blog.csdn.net/xiaoboliu0602/article/details/109189202

版权

问题总结专栏收录该内容

11 篇文章 0 订阅

订阅专栏

在讨论数组存储汉字之前，首先要明确一个基本概念：

汉字存储占用 空间大小 与使用的 编码方式 有关。

常见的中文编码 GB2312（国标简体中文字符集）和 GBK（国标扩展）使用 2 个字节编码来表示一个汉字，不常用的 GB18030 使用 4 个字节编码来表示一个汉字，更通用的 UTF-8 编码使用 3 个字节编码来表示一个汉字。
关于编码方式的详细介绍请参考文末链接。

编码对象	编码类型	存储空间
单个汉字	GB2312	2字节
单个汉字	GBK	2字节
单个汉字	GB18030	4字节
单个汉字	UTF-8	3字节

以下内容是关于 GB 和 UTF-8 字符集下对存储汉字的数组进行初始化的实例。

一、GB2312 和 GBK 字符集初始化

1. 使用数组存储1个汉字

char a[] = "字";    // 定义一个汉字的数组
char a[] = {"字"};  // 也可以加上 { }
这两种情况下系统会在数组后面自动加上'\0'，即 a[2] = '\0'，“字”占用 a[0] 和 a[1] 共2个字节；
也可以这样写：
char a[3] = "字";
char a[3] = {"字"};
以上两种方法定义的空间一样大，都是3个字节。

查看该数组：
char i;
for(i=0;i<3;i++)
{
  printf("a[%d] = 0x%x;\r\n",i,a[i]);
}
使用 char 时 output：
a[0] = 0xffffffd7;
a[1] = 0xffffffd6;
a[2] = 0x00;
使用 unsigned char 时 output： 
a[0] = 0xd7;
a[1] = 0xd6;
a[2] = 0x00;

2. 使用数组存储汉字字符串

char a[] = "汉字字符串";    // 定义多个汉字的数组
char a[] = {"汉字字符串"};  // 也可以加上 { }
同样系统会在后面自动加上'\0'，即 a[10] = '\0' 汉字部分占 a[0]~a[9] 共10个字节；
也可以这样写：
char a[11] = "汉字字符串"; 
char a[11] = {"汉字字符串"};
以上两种方法定义的空间是一样大的，都是11个字节。

3. 数组空间大于汉字字符数的情形

char a[11] = "汉字"; 
char a[11] = {"汉字"};
这种方法定义的数组，系统会将 a[5]~a[10] 自动填充'\0'。

4. 多维数组的使用

char a[2][9] = {"多维数组", "这样表示"};     //使用多维数组的情形
char a[2][9] = {{"多维数组"}, {"这样表示"}}; //也可以加 { }
其中：
a[0] = "多维数组";
a[1] = "这样表示";

5. 字符指针的使用

char * ArrayName = "使用字符指针";  // 同样可以加 { }
或：
char * ArrayName;
ArrayName = "使用字符指针";         // 同样可以加 { }

char * ArrayName[2] = {{"字符指针数组"},{"字符指针数组"}};
或：
char * ArrayName[2];
ArrayName[0] = "字符指针数组";     // 同样可以加 { }
ArrayName[1] = "字符指针数组";

6. 数组之间传递汉字

系统中汉字的输入，一般有键盘输入、文件读取、远程通信等接口函数输入，其本质还是对字符的传递，下面给出最简单的传递汉字的方法：
char i;
char a[2][9];
char b[9] = {"传递汉字"};
for(i=0;i<9;i++)
{
	a[0][i] = b[i];     // 将 b 数组中的汉字转存到 a[0] 数组中
}
printf("%s",a[0]);

output:传递汉字

二、UTF-8 字符集初始化

单个汉字占用 3 个字节 空间，其它与使用 GB2312 或 GBK 字符集的初始化方法一样

这里仅给出使用数组存储 1 个汉字的实例：

char a[] = "字";    // 定义一个汉字的数组
char a[] = {"字"};  // 也可以加上 { }
这两种情况系统都会在后面自动加上'\0',即 a[3] = '\0' 汉字占 a[0]、a[1] 和 a[2] 共3个字节 ；
也可以这样写：
char a[4] = "字";
char a[4] = {"字"};
以上两种方法定义的空间是一样大的，都是4个字节。

查看该数组：
char i;
for(i=0;i<4;i++)
{
	printf("a[%d] = 0x%x;\r\n",i,a[i]);
}
使用 char 时 output：
a[0] = 0xffffffe5;
a[1] = 0xffffffad;
a[2] = 0xffffff97;
a[3] = 0x00;
使用 unsigned char 时 output： 
a[0] = 0xe5;
a[1] = 0xad;
a[2] = 0x97;
a[3] = 0x00;