C++入门教程（二十二）：编码、字符和字符串

小古银的官方网站（完整教程）：http://www.xiaoguyin.com/
C++入门教程视频：https://www.bilibili.com/video/av20868986/

目录

编码

之前提到的ASCII就是一种编码方式。我们知道，计算机只会处理和保存数字，而实际上，计算机上看到的文字，就是数字。

计算机会根据一个个的数字，然后去查一下字典，找出对应的文字的图片，然后交给显卡显示出来，这样我们就能看到文字了。

这个字典叫做字符集。

ASCII就是一个字符集，用数字0~127来代表字母数字符号等字符。

字符集有ASCII、本地字符集（如GBK）和Unicode。

Unicode包括UTF-8、UTF-16、UCS-2、UTF-32、USC-4，而UTF-16与UCS-2可以理解为等价，UTF-32与USC-4等价。并且UTF-16和UTF-32又分别有两种：BE和LE。这些都是数字和文字对应的字典。

有时候我们会看到乱码，就是因为你用错字符集或者你把不是文字的数据用文字字典找文字；归根究底，就是 你！用！错！字！典！了！

C++支持UTF-8、UTF-16、UTF-32和本地字符集。

Windows默认的字符集是UTF-16。而Linux/OS X默认的字符集是UTF-8。所以写跨平台代码就要注意了。就算是同样是Windows，如果你用错字符集，你的程序在英文系统或者中文系统就会出现乱码。

以下是每个字符集和C++数据类型对应关系和如何选择合适的字符集：

字符集	字符数据类型	字符串数据类型	使用方式	优点	缺点	常见使用场景
UTF-8	char	std::string	u8”字符串”	可跨平台，以每个字符的最小占用来分配大小，所以占用小	以每个字符的最小占用来分配大小，ASCII字符用1个字节保存，而中文字符使用3个或4个字节保存，每个字符大小不一样，所以不能直接操作字符串；标准不支持终端直接输出	网络传输
UTF-16	char16_t	std::u16string	u”字符串”	可跨平台，每个字符都用2个字节来保存，占用比UTF-32小，比UTF-8更易运算处理	2个字节保存的文字有限，对于emoji表情和部分生僻文字要用多个 char16_t 保存，此时直接处理字符串有可能出错；标准不支持终端直接输出	字符串保证没有生僻字时使用
UTF-32	char32_t	std::u32string	U”字符串”	可跨平台，保存世界上所有字符，处理字符串容易且不会出错	每个字符都用4个字节来保存，占用非常大；标准不支持终端直接输出	有生僻字或者emoji表情时使用

剩下两种（""和L""）方式，由于历史原因，在不同的操作系统会有不同的意义，所以会有点复杂：

字符数据类型	字符串数据类型	使用方式	字符集	使用场景
char	std::string	“字符串”	本地字符集（Windows）	字符串只用于显示而不需要进行操作
			UTF-8（Linux/OS X）
wchar_t	std::wstring	L”字符串”	UTF-16（Windows）	程序可跨不同语言的Windows平台，使用Windows API开发Windows桌面应用时推荐使用，跨不同操作系统不推荐使用，需要设置本地字符集