C语言编程必备知识之一------------------汉字编码

 

 

C语言编程，基本的类型有字符型，整数型，浮点型。这些类型是我们对事物进行描述所必不可少的东西。即基础，又非常核心。所以必须掌握。

一、            字符集

ASCII

GB2312—>GBK-àGB18030

BIG5

ISO8859-1（欧洲）

S-JIS(日文编码)

Unified Hangul Code（韩文编码）

Unicode

ISO10646(UCS)

与ASCII兼容的编码有

GBK，BIG5，ISO8859-1，S-JIS，unified Hangul Code。

这些编码都是ASCII的扩展编码，大部分为二字节编码。而且个个编码间互不兼容。之兼容ASCII。统称为ANSI

ISO10646也叫UCS，和Unicode是同一个东西，但由于组织不同所以叫法也不同。但是其编码是完全相同的。为了简便其间，可以统称为Unicode。

UTF是Unicode的存储方式有UTF-16，UTF-32，UTF-8。

 

二、            文件存储

在Windows的记事本中，文本有三种保存方式：

1.      ANSI

也就是ASCII+GBK。

2.      Unicode（UTF-16）

用UTF-16方式存储Unicode编码。

UTF-16编码与Unicode编码完全一样。

UTF-16是一种定长存储方式。

对于UTF16字节序问题，可以在开头加入BOM。

            BigEndian的话，FFFE

            LittleEndian的话，FEFF

3.      UTF-8

用UTF-8方式存储Unicode编码。

UTF-8编码与Unicode编码不完全一样。但是由Unicode推出。

UTF-8是一种变长编码存储方式。

Unicode编码定长存储-----------UTF16

Unicode编码变长存储-----------UTF8

总结：

       Unicode是字符的编码，UTF是Unicode编码的存储方式。

       ANSI编码就是兼容ASCII的各种编码。其特点是ASCII码位不变，高位扩展。相互高位扩展之间（如GBK与BIG5）之间不兼容。

       因此文字编码世界只有ANSI与Unicode在竞争了。

三、            ANSI与Unicode

1.ANSI可以存储

ASCII和GBK，

ASCII和ISO8859-1，（欧洲）

ASCII和BIG5

ASCII和JP编码（日文）

ASCII和KS编码（韩文）

  其实大家可以发现，ANSI方式下，ASCII与本地码（GBK等）之间兼容，在使用上和存储上都完全没有问题。

问题只发生在 两套扩展集之间。即GBK与JP编码之间。由于都是高位扩展自ASCII，所以其编码区域难免出现重叠。就是同一个编码在中国和日本分别对应不同的字。

日本人给中国人发Email就会出现问题，由于编码不同，同一个Email，在JP编码和GBK编码中对应不同的字。所以理解就会出现问题--------乱码。

也就是ANSI编码会在不同语种间发生乱码问题。特别是不同语种间的Web，Email，ftp等等文字信息交换。

2．Unicode可以存储

    世界上所有的文字，各种文字使用16位统一编码。

在世界任何地方，同一个符号的16位编码都相同。因此同一个编码，在世界各地不会有不同的解释，也就是Unicode具有唯一性。这就是统一编码的好处。

才用Unicode后，同一张网页，在世界任何地方都会有相同的解释，对应唯一的字符。这样中国人就可以自由的浏览日文网站，韩文网站，越南网站，欧洲网站了，只要它采用的是Unicode。

所以在Web时代Unicode的作用是不可替代的。

总结：

    ANSI与Unicode的区别简单的例子

    你的Web只允许中国人和美国人看，OK，用ANSI。

    你的Web允许世界上任何人看，OK，用Unicode。

Unicode与UTF的关系