字符，字符集编码笔记

 

不同的操作系统，各有直接输入Unicode字符的方法：

• 基于X Window System的Linux系统，如Ubuntu的Gnome Terminal，首先按下Ctrl+Shift+U，然后输入16进制Unicode数，如interpunct间隔符输入00b7，最后按空格键或者回车键；
• Microsoft Windows系统，按下Alt+unicode 表示interpunct间隔符 如

      在notepad里，（中文系统下）

       按住Alt 然后按52946最后放开Alt

       按住Alt 然后按45230最后放开Alt

       按住Alt 然后按50403最后放开Alt

      你会看到"我爱你"三个字。

• 在SGML、HTML、XML的文本中，使用字符值引用或字符实体引用表示一个Unicode字符。

Windows 字符集查看

windows+R-> charmap =====>

字符集

字符(Character)是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。

字符集(Character set)是多个字符的集合，字符集种类较多，每个字符集包含的字符个数不同，常见字符集名称：ASCII字符集、GB2312字符集、BIG5字符集、 GB18030字符集、Unicode字符集等。

字符编码，字符集和字符的转换关系。

计算机要准确的处理各种字符集文字，就需要进行字符编码，以便计算机能够识别和存储各种文字。

下面就是屌 这个字在各种编码下的十六进制和二进制编码结果 

字符集	16进制编码	对应的二进制数据
UTF-8	0xE5B18C	1110 0101 1011 0001 1000 1100
UTF-16	0x5C4C	1011 1000 1001 1000
GBK	0x8CC5	1000 1100 1100 0101

注意：Unicode字符集有多种编码方式，如UTF-8、UTF-16等；ASCII只有一种；大多数MBCS（包括GB2312）也只有一种。

常用编码简介：

 字符与编码在程序中的实现

程序中的字符与字节

在 C++ 和 Java 中，用来代表“字符”和“字节”的数据类型，以及进行编码的方法：

类型或操作	C++	Java
字符	wchar_t	char
字节	char	byte
ANSI 字符串	char[]	byte[]
UNICODE 字符串	wchar_t[]	String
字节串→字符串	mbstowcs(), MultiByteToWideChar()	string = new String(bytes, "encoding")
字符串→字节串	wcstombs(), WideCharToMultiByte()	bytes = string.getBytes("encoding")

以上需要注意几点：

1. Java 中的 char 代表一个“UNICODE 字符（宽字节字符）”，而 C++ 中的 char 代表一个字节。
2. MultiByteToWideChar() 和 WideCharToMultiByte() 是 Windows API 函数。

 

详细参考链接：

字符，字节和编码

维基百科 Unicode