c语言转义字符整理

/*
 * 转义字符
 */
    在C语言中，一个字符除了可以用它的实体（也就是真正的字符）表示，还可以用编码值表示。
    这种使用编码值来间接地表示字符的方式称为转义字符（Escape Character）。

    （1）C语言中一般用 \ 字符表示转义，后边紧跟者的为要转义的字符。
    （2）C语言中定义了一些字母前加 \ 来表示一些不能显示的ASCII字符,所有的ASCII码都可以用 \ 加数字来表示。

    转义字符以\或者\x开头，以\开头表示后跟八进制形式的编码值，以\x开头表示后跟十六进制形式的编码值。
    "对于转义字符来说，只能使用八进制或者十六进制。"

/*
 * 转义字符及其含义
 */
    转义字符    释义
    \?    在书写连续多个问号时使用，防止他们被解析成三字母词
    \’    用于表示字符常量 ’
    \"    用于表示一个字符串内部的双引号 "
    \\    用于表示一个反斜杠，防止它被解释为一个转义序列符
    \a    警告字符，蜂鸣
    \b    退格符
    \f    进纸符
    \n    换行
    \r    回车
    \t    水平制表符
    \v    垂直制表符
    \ddd    ddd表示1~3个八进制的数字。 如： \130(八进制)----->X(对应ASCII码字符)
    \xdd    dd表示2个十六进制数字。 如： \x30(十六进制)---->0(对应ASCII码字符)
    \0    空字符(NUL)

    注意：
    a.区分斜杠："/"与反斜杠"\"，此处不可互换。
    b.\xhh 十六进制转义不限制字符个数'\x0000000000000F' == '\xF'

    char a = '\61';  //字符1
    char b = '\141';  //字符a
    char c = '\x31';  //字符1
    char d = '\x61';  //字符a
    char *str1 = "\x31\x32\x33\x61\x62\x63";  //字符串"123abc"
    char *str2 = "\61\62\63\141\142\143";  //字符串"123abc"
    char *str3 = "The string is: \61\62\63\x61\x62\x63"  //混用八进制和十六进制形式

    转义字符的初衷是用于 ASCII 编码，所以它的取值范围有限：
        八进制形式的转义字符最多后跟三个数字，也即\ddd，最大取值是\177；   (127)
        十六进制形式的转义字符最多后跟两个数字，也即\xdd，最大取值是\x7f。 (127)

    超出范围的转义字符的行为是未定义的，当看到有使用超出范围的转义字符时，需弄清楚字符集类型，再去查此字符集的定义。

/*
 * 大于127的转义字符
 */
    字符型变量占用一个字节，表示整数的范围是-128～127，用超过这个范围的数比如300赋值时，
    计算机会在寄存器中取得300这个数0x12C，然后将低位字节2c赋值给字符型变量，高位被舍弃，就如同赋值：c1=44 的效果一样。

    由于一般申请的字符变量是char是有符号的，如果申请 unsigned char 类型为0～255
    300D = 1 0010 1100 B，分为两个字节存放，高位字节8位为 0000 0001 B 低位字节为 0010 1100 B，
    如果给字符型变量赋值会取低位字节 00101100B (即0x2C)赋值而舍弃高位字节。

    // 把300-256=44，那就是逗号，把400-256=144那就是问号

    由于ASCII码小于等于127的是常用字符，而高于的是扩展字符，扩展字符被显示成了问号。
    这种扩增字符一般用于汉字显示，一个汉字要两个大于127的字符来表示，只给一半则无法显示，只能用问号表示不全。

    还需看字符集，如果是无符号字符是E，有符号有可能无法找到对应字符因此显示问号，可以肯定144没有对应到扩展ASCII字符集上。

    \376 这是一个8进制数 相当于10进制的 254 , ASCII 标准码只用7位2进制位表示,即0-127,超出这个范围的是扩充的,

    
    // 编码在127以上的都显示为"?"
    编号在128~255的是扩展的编码，原本就不是作为显示用的，当然在不同的终端上显示就不一致，这完全取决于不同的显示终端的处理。在些ic厂商会重新做液晶显示的驱动，将大于127的ascii码做成想要的图标。比如一个充满电的电池图标，一个表示加锁的图标。
    

/*
 * "\342\224\202"   (U+2502, Vertical line drawing char)
 */
    UTF-8 字符集。

    Unicode (The Unicode Standard)译作万国码、统一字元码、统一字符编码，是信息技术领域的业界标准，其整理、编码了世界上大部分的文字系统，使得电脑能以统一字符集来处理和显示文字，不但减轻在不同编码系统间切换和转换的困扰，更提供了一种跨平台的乱码问题解决方案。

    Unicode 编码是一个二进制字符集，其只规定了字符的二进制代码，却没有规定这些二进制代码应该如何存储。

    UTF-8是UNICODE的一种变长度的编码表达方式《一般UNICODE为双字节（指UCS2）》，它由Ken Thompson于1992年创建，现在已经标准化为RFC 3629。UTF-8就是以8位为单元对UCS进行编码，而UTF-8不使用大尾序和小尾序的形式，每个使用UTF-8存储的字符，除了第一个字节外，其余字节的头两个位都是以"10"开始，使文字处理器能够较快地找出每个字符的开始位置。

    但为了与以前的ASCII码兼容（ASCII为一个字节），因此UTF-8选择了使用可变长度字节来存储Unicode：

    ISO8859-1：一个字节

    GBK： 两个字节包含了英文字符和扩展的中文ISO8859-1+中文字符

    UTF-8 万国码：1~3个字节不等长。英文存的是1个字节，中文存的是3个字节，是为了节省空间。

    UTF-8的英文全称是（8-bit Unicode Transformation Format），其为 Unicode 的实现方式之一，也是目前互联网上使用最广的一种 Unicode 编码的实现方式。

    UCS-4编码                UTF-8字节流
    U+00000000 – U+0000007F    0xxxxxxx                                                /* 0 ~ 127 */
    U+00000080 – U+000007FF    110xxxxx 10xxxxxx                                       /* 128 ~ 2047 */
    U+00000800 – U+0000FFFF    1110xxxx 10xxxxxx 10xxxxxx                              /* 2048 ~ 65535 */
    U+00010000 – U+001FFFFF    11110xxx 10xxxxxx 10xxxxxx 10xxxxxx                     /* 65536 ~ 2097151 */
    U+00200000 – U+03FFFFFF    111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx            /* 2097152 ~ 67108863 */
    U+04000000 – U+7FFFFFFF    1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx   /* 67108864 ~ 2147483647 */

        在ASCII码的范围，用一个字节表示，超出ASCII码的范围就用字节表示，这就形成了我们上面看到的UTF-8的表示方法，这様的好处是当UNICODE文件中只有ASCII码时，存储的文件都为一个字节，所以就是普通的ASCII文件无异，读取的时候也是如此，所以能与以前的ASCII文件兼容。

        大于ASCII码的，就会由上面的第一字节的前几位表示该unicode字符的长度，
        比如110xxxxxx前三位的二进制表示告诉我们这是个2BYTE的UNICODE字符；1110xxxx是个三位的UNICODE字符，依此类推；
        xxx的位置由字符编码数的二进制表示的位填入。越靠右的x具有越少的特殊意义。
        只用最短的那个足够表达一个字符编码数的多字节串。注意在多字节串中，第一个字节的开头"1"的数目就是整个串中字节的数目。

    ASCII字母继续使用1字节存储，重音文字、希腊字母或西里尔字母等使用2字节来存储，而常用的汉字就要使用3字节。辅助平面字符则使用4字节。

    在UTF-8文件的开首，很多时都放置一个U+FEFF字符（UTF-8以EF,BB,BF代表），以显示这个文字文件是以UTF-8编码。