许大仙
搜索 K

深浅模式

🔥更新：2024-12-30📝字数: 0 字⏱时长: 0 分钟

第一章： 字符集和字符集编码 ​

1.1 概述 ​

  • 字符集和字符集编码（简称编码）计算机系统中处理文本数据的两个基本概念，它们密切相关但又有区别。
  • 字符集（Character Set）是一组字符的集合，其中每个字符都被分配了一个唯一的编号（通常是数字）。字符可以是字母、数字、符号、控制代码（如换行符）等。字符集定义了可以表示的字符的范围，但它并不直接定义如何将这些字符存储在计算机中。

提醒

ASCII（美国信息交换标准代码）是最早期和最简单的字符集之一，它只包括了英文字母、数字和一些特殊字符，共 128 个字符。每个字符都分配给了一个从 0 到 127 的数字。

  • 字符集编码（Character Encoding，简称编码）是一种方案或方法，它定义了如何将字符集中的字符转换为计算机存储和传输的数据（通常是一串二进制数字）。简而言之，编码是字符到二进制数据之间的映射规则。

提醒

ASCII 编码方案定义了如何将 ASCII 字符集中的每个字符表示为 7 位的二进制数字。例如：大写字母'A'在 ASCII 编码中表示为二进制的1000001，十进制的 65 。

  • 字符集和字符集编码之间的关系如下：
  • Linux 中安装帮助手册：

1.2 ASCII 编码 ​

  • 从冯·诺依曼体系结构中，我们知道，计算机中所有的数据和指令都是以二进制的形式表示的；所以，计算机中对于文本数据的数据也是以二进制来存储的，那么对应的流程如下：
  • 我们知道，计算机是上个世纪 60 年代在美国研制成功的，为了实现字符和二进制的转换，美国就制定了一套字符编码，即英语字符和二进制位之间的关系，即 ASCII （American Standard Code for Information Interchange）编码：
    • ASCII 编码只包括了英文字符、数字和一些特殊字符，一共 128 个字符，并且每个字符都分配了唯一的数字，范围是 0 - 127。
    • ASCII 编码中的每个字符都使用 7 位的二进制数字表示；但是，计算机中的存储的最小单位是 1 B = 8 位，那么最高位统一规定为 0 。

提醒

  • ① 其实，早期是没有字符集的概念的，只是后来为了解决乱码问题，而产生了字符集的概念。
  • ② 对于英文体系来说，a-zA-Z0-9以及一些特殊字符一共 128 就可以满足实际存储需求；所以，在也是为什么 ASCII 码使用 7 位二进制（2^7 = 128 ）来存储的。
  • 在操作系统中，就内置了对应的编码表，Linux 也不例外；可以使用如下的命令查看：
shell
man ascii
  • 其对应的 ASCII 编码表，如下所示：
  • 但是，随着计算机的发展，计算机开始了东征之路，由美国传播到东方：
  • 先是传播到了欧洲，欧洲在兼容 ASCII 编码的基础上，推出了 ISO8859-1 编码，即：
    • ISO8859-1 编码包括基本的拉丁字母表、数字、标点符号，以及西欧语言中特有的一些字符，如：法语中的 è、德语中的 ü 等。
    • ISO 8859-1 为每个字符分配一个单字节（8 位）编码，意味着它可以表示最多 256 （2^8）个不同的字符（编号从 0 到 255）。
    • ISO 8859-1 的前 128 个字符与 ASCII 编码完全一致，这使得 ASCII 编码的文本可以无缝转换为 ISO 8859-1 编码。
  • 计算机继续传播到了亚洲，亚洲（双字节）各个国家分别给出了自己国家对应的字符集编码，如：
    • 日本推出了 Shift-JIS 编码：
      • 单字节 ASCII 范围：0 - 127。
      • 双字节范围：
        • 第一个字节：129 - 159 和 224 - 239 。
        • 第二个字节：64 - 126 和 128 - 252 。
    • 韩国推出了 EUC-KR 编码：
      • 单字节 ASCII 范围：0 - 127。
      • 双字节范围：从 41281 - 65278。
    • 中国推出了 GBK 编码：
      • 单字节 ASCII 范围：0 - 127。
      • 双字节范围：33088 - 65278 。

提醒

  • ① 通过上面日本、韩国、中国的编码十进制范围，我们可以看到，虽然这些编码系统在技术上的编码范围存在重叠（特别是在高位字节区域），但因为它们各自支持的字符集完全不同，所以实际上它们并不直接冲突。
  • ② 但是，如果一个中国人通过 GBK 编码写的文章，通过邮件发送给韩国人，因为韩国和中国在字符集编码上的高位字节有重叠部分，必然会造成歧义。

1.3 Unicode 编码 ​

  • 在 Unicode 之前，世界上存在着数百种不同的编码系统，每一种编码系统都是为了支持特定语言或一组语言的字符集。这些编码系统，包括：ASCII、ISO 8859 系列、GBK、Shift-JIS、EUC-KR 等，它们各自有不同的字符范围和编码方式。这种多样性虽然在局部范围内解决了字符表示的问题，但也带来了以下几个方面的挑战：

    • 编码冲突：由于不同的编码系统可以为相同的字节值分配不同的字符，因此在不同编码之间转换文本时，如果没有正确处理编码信息，就很容易产生乱码。这种编码冲突在尝试处理多种语言的文本时尤为突出。
    • 编码的复杂性：随着全球化的发展，软件和系统需要支持越来越多的语言，这就要求开发者和系统同时处理多种不同的编码系统。这不仅增加了开发和维护的复杂性，而且也增加了出错的风险。
    • 资源限制：在早期计算机技术中，内存和存储资源相对有限。不同的编码标准要求系统存储多套字符集数据，这无疑增加了对有限资源的消耗。
    • ……

  • 针对上述的种种问题，为了推行全球化，Unicode 应运而生，Unicode 的核心规则和设计原则是建立一个全球统一的字符集，使得世界上所有的文字和符号都能被唯一地识别和使用，无论使用者位于何地或使用何种语言。这套规则包括了字符的编码、表示、处理和转换机制，旨在确保不同系统和软件间能够无缝交换和处理文本数据。

    • 通用字符集 (UCS)：Unicode 为每一个字符分配一个唯一的编号（称为“码点”）。这些码点被组织在一个统一的字符集中，官方称之为 “通用字符集”（Universal Character Set，UCS）。码点通常表示为 U+ 后跟一个十六进制数，例如：U+0041 代表大写的英文字母 “A”。
    • 编码平面和区段：Unicode 码点被划分为多个 “平面（Planes）”，每个平面包含 65536（16^4）个码点。目前，Unicode定义了 17 个平面（从 0 到16），每个平面被分配了一个编号，从 “基本多文种平面（BMP）” 的 0 开始，到 16 号平面结束。这意味着 Unicode 理论上可以支持超过 110万（17*65536）个码点。

  • Unicode 仅仅只是字符集，给每个字符设置了唯一的数字编号而已，却没有给出这些数字编号实际如何存储，可以通过如下命令查看：

  • 为了在计算机系统中表示 Unicode 字符，定义了几种编码方案，这些方案包括 UTF-8、UTF-16 和 UTF-32 等。
    • UTF-8：使用 1 - 4 个字节表示每个 Unicode 字符，兼容 ASCII，是网络上最常用的编码。
    • UTF-16：使用 2 - 4 个字节表示每个 Unicode 字符，适合于需要经常处理基本多文种平面之外字符的应用。
    • UTF-32：使用固定的 4 个字节表示每个 Unicode 字符，简化了字符处理，但增加了存储空间的需求。

提醒

  • ① 只有 UTF-8 兼容 ASCII，UTF-32 和 UTF-16 都不兼容 ASCII，因为它们没有单字节编码。
点我查看

  • UTF-8 使用尽量少的字节来存储一个字符，不但能够节省存储空间，而且在网络传输时也能节省流量，所以很多纯文本类型的文件，如：各种编程语言的源文件、各种日志文件和配置文件等以及绝大多数的网页，如：百度、新浪、163 等都采用 UTF-8 编码。但是，UTF-8 的缺点是效率低，不但在存储和读取时都要经过转换，而且在处理字符串时也非常麻烦。例如：要在一个 UTF-8 编码的字符串中找到第 10 个字符，就得从头开始一个一个地检索字符，这是一个很耗时的过程，因为 UTF-8 编码的字符串中每个字符占用的字节数不一样，如果不从头遍历每个字符，就不知道第 10 个字符位于第几个字节处，就无法定位。不过，随着算法的逐年精进，UTF-8 字符串的定位效率也越来越高了，往往不再是槽点了。

  • UTF-32 是“以空间换效率”，正好弥补了 UTF-8 的缺点，UTF-32 的优势就是效率高：UTF-32 在存储和读取字符时不需要任何转换，在处理字符串时也能最快速地定位字符。例如：在一个 UTF-32 编码的字符串中查找第 10 个字符，很容易计算出它位于第 37 个字节处，直接获取就行，不用再逐个遍历字符了，没有比这更快的定位字符的方法了。但是，UTF-32 的缺点也很明显，就是太占用存储空间了，在网络传输时也会消耗很多流量。我们平常使用的字符编码值一般都比较小，用一两个字节存储足以，用四个字节简直是暴殄天物，甚至说是不能容忍的，所以 UTF-32 在应用上不如 UTF-8 和 UTF-16 广泛。

  • UTF-16 可以看做是 UTF-8 和 UTF-32 的折中方案，它平衡了存储空间和处理效率的矛盾。对于常用的字符，用两个字节存储足以，这个时候 UTF-16 是不需要转换的，直接存储字符的编码值即可。

  • ② 总而言之，UTF-8 编码兼容性强，适合大多数应用，特别是英文文本处理。UTF-16 编码适合处理大量亚洲字符，但在处理英文或其他拉丁字符时相对浪费空间。UTF-32编码简单直接，但非常浪费空间，适合需要固定字符宽度的特殊场景。
  • ③ 在实际应用中，UTF-8 通常是最常用的编码方式，因为它在兼容性和空间效率之间提供了良好的平衡。

重要

  • ① Windows 内核、.NET Framework、Java String 内部采用的都是 UTF-16 编码，主要原因是为了在兼顾字符处理效率的同时，能够有效处理多种语言的字符集，即：历史遗留问题、兼容性要求和多语言支持的需要。
  • ② 不过，UNIX 家族的操作系统（Linux、Mac OS、iOS 等）内核都采用 UTF-8 编码，主要是为了兼容性和灵活性，因为 UTF-8 编码可以无缝处理 ASCII 字符，同时也能够支持多字节的 Unicode 字符，即：为了最大限度地兼容 ASCII，同时保持系统的简单性、灵活性和效率。
  • Unicode 字符集和对应的UTF-8 字符编码之间的关系，如下所示：

提醒

宽字符和窄字符是编程和计算机系统中对字符类型的一种分类，主要用于描述字符在内存中的表示形式及其与编码方式的关系。

  • ① 窄字符通常指使用单个字节（8 位）来表示的字符。在许多传统的编码系统中，窄字符通常代表 ASCII 字符或其它单字节字符集中的字符。换言之，窄字符适合处理简单的单字节字符集，如：ASCII，适用于处理西方语言的应用。
  • ② 宽字符指使用多个字节（通常是两个或更多）来表示的字符。这些字符通常用于表示比 ASCII 范围更广的字符集，如 Unicode 字符。换言之，宽字符适合处理多字节字符集，如：UTF-32、UTF-16 等，适用于需要处理多种语言和符号的国际化应用。

在现代编程中，窄字符通常与 UTF-8 编码关联，特别是在处理文本输入、输出和网络传输时。尽管 UTF-8 是变长编码，由于其高效的空间利用和对 ASCII 的优化，通常与窄字符概念关联。而宽字符通常与 UTF-16 编码或 UTF-32编码关联，这些编码使用更大的固定或半固定长度来表示字符，适合处理更大的字符集。

第二章： WSL2 中设置默认编码为中文 ​

2.1 概述 ​

  • 查看 WSL2 的 Linux 发行版的默认编码：
shell
echo $LANG

提醒

C.UTF-8 是一种字符编码设置，结合了 C 区域设定和 UTF-8 字符编码。

  • ① C 区域设定：这是一个标准的、最小化的区域设置，通常用于系统默认的语言环境。C 区域设定下，所有字符都被认为是 ASCII 字符集的一部分，这意味着仅支持基本的英文字符和符号。在 C 区域设定中，字符串的排序和比较是基于简单的二进制值比较，这与本地化的语言设置相比相对简单。
  • ② UTF-8 编码：UTF-8 是一种变长的字符编码方式，可以编码所有的 Unicode 字符。它是一种广泛使用的字符编码，能够支持多种语言和符号。每个 UTF-8 字符可以由1到4个字节表示，这使得它兼容 ASCII（对于标准 ASCII 字符，UTF-8 只使用一个字节）。

因此，C.UTF-8 结合了 C 区域设定和 UTF-8 字符编码的优势。使用 C.UTF-8 时，系统默认语言环境保持简单和高效，同时支持更广泛的字符集，特别是多语言和非英语字符。这样可以在需要兼容性的同时，提供对全球化字符的支持。

2.2 AlmaLinux9 设置默认编码 ​

  • ① 搜索中文语言包：
shell
dnf search locale zh
  • ② 安装中文语言包：
shell
dnf -y install glibc-langpack-zh
  • ③ 切换语言环境为中文：
shell
localectl set-locale LANG=zh_CN.UTF-8
  • ④ 手动加载配置文件，使其生效：
shell
source /etc/locale.conf

2.3 Ubuntu 22.04 设置默认编码 ​

  • ① 安装中文语言包：
shell
apt update -y && apt install language-pack-zh-hans -y
  • ② 切换环境为中文：
shell
update-locale LANG=zh_CN.UTF-8 LANGUAGE=zh_CN:zh
  • ③ 手动加载配置文件，使其生效：
shell
source /etc/default/locale

第三章：在 C 语言中使用中文字符 ​

3.1 概述 ​

  • 大部分 C 语言文章或教材对中文字符的处理讳莫如深，甚至只字不提，导致很多初学者认为 C 语言只能处理英文，而不支持中文。
  • 其实，这是不对的。C 语言作为一门系统级别的编程语言，理应支持世界上任何一个国家的文字，如：中文、日文、韩文等。

提醒

如果 C 语言不支持中文，那么简体中文 Windows 操作系统将无从谈起，我们只能被迫使用英文 Windows 操作系统，这对计算机的传播而言将会是一种巨大的阻碍。

3.2 中文字符的存储 ​

  • 要想正确的存储中文字符，需要解决如下的两个问题：
    • ① 足够长的数据类型：char 的长度是 1 个字节，只能存储拉丁体系的问题，并不能存储中文字符，所以至少需要 2 个字节的内存空间。
    • ② 包含中文的字符集：C 语言规定，对于中文、日文、韩文等非 ASCII 编码之外的单个字符，需要有专门的字符类型，也就是需要使用宽字符的编码方式。而常见的宽字符的编码有 UTF-16 和 UTF-32，它们都是基于 Unicode 字符集的，都能够支持全球的文字。

提醒

上文提及过，在现代编程中，窄字符通常与 UTF-8 编码关联，特别是在处理文本输入、输出和网络传输时。尽管 UTF-8 是变长编码，由于其高效的空间利用和对 ASCII 的优化，通常与窄字符概念关联。而宽字符通常与 UTF-16 编码或 UTF-32编码关联，这些编码使用更大的固定或半固定长度来表示字符，适合处理更大的字符集。

  • 在真正实现的时候，微软的 MSVC 编译器采用 UTF-16 编码，即：使用 2 个字节来存储一个字符，使用 unsigned short 类型就可以容纳。而 GCC、LLVM/Clang 采用 UTF-32 编码，使用 4 个字节存储字符，用 unsigned int 类型就可以容纳。

提醒

不同的编译器可以使用不同的整数类型，来存储宽字符，这对于跨平台开发来说，非常不友好。

  • 为了解决上述的问题，C 语言推出了一种全新的类型 wchar_t 类型，用来存储宽字符类型。
    • 在微软的 MSVC 编译器中，它的长度是 2 个字节。
    • 在 GCC、LLVM/Clang 中，它的长度是 4 个字节。

提醒

  • ① wchar_t 中的 w是 wide 的首字母，t 是 type 的首字母，所以 wchar_t 就是宽字符类型，足够见名知意。
  • ② wchar_t 是用 typedef 关键字定义的一个别名，后文讲解，wchar_t 在不同的编译器下长度不一样。
  • ③ wchar_t 类型位于 <wchar.h> 头文件中，它使得代码在具有良好移植性的同时，也节省了不少内存，以后我们就用它来存储宽字符。
  • 对于普通的拉丁体系的字符，我们使用 '' 括起来，来表示字符，如：'A'、'&' 等。但是，如果要想表示宽字符，就需要加上 L 前缀了，如：L'A'、L'中'。

提醒

宽字符字面量中的 L 是 Long 的缩写，意思是比普通的字符（char）要长。

  • 示例：
c
#include <stddef.h>

int main() {
    
	// 禁用 stdout 缓冲区
    setbuf(stdout, nullptr);
    
    /* 存储宽字符，如：中文 */
    wchar_t a = L'中';
    wchar_t b = L'中';
    wchar_t c = L'中';
    wchar_t d = L'中';
    wchar_t e = L'中';

    return 0;
}

3.3 中文字符的输出 ​

  • 对于宽字符，就不能使用 putchar 函数和 printf 函数来进行输出了，需要使用 putwchar 函数和 wprintf 函数。

提醒

  • ① putchar 函数和 printf 函数，只能输出窄字符，即：char 类型表示的字符。
  • ② putwchar 函数可以用来输出宽字符，用法和 putchar 函数类似。
  • ③ wprintf函数可以用来输出宽字符，用法和 printf 函数类型，只不过格式占位符是 %lc 。
  • ④ 在输出宽字符之前，还需要使用 setlocale 函数进行本地化设置，告诉程序如何才能正确地处理各个国家的语言文化。
  • 示例：
c
#include <locale.h>
#include <stddef.h>
#include <wchar.h>

int main() {
	
    // 禁用 stdout 缓冲区
    setbuf(stdout, nullptr);
    
    /* 存储宽字符，如：中文 */
    wchar_t a = L'中';
    wchar_t b = L'国';
    wchar_t c = L'人';
    wchar_t d = L'你';
    wchar_t e = L'好';

    // 将本地环境设置为简体中文
    setlocale(LC_ALL, "zh_CN.UTF-8");

    // 使用专门的 putwchar 输出宽字符
    putwchar(a);
    putwchar(b);
    putwchar(c);
    putwchar(d);
    putwchar(e);
    putwchar(L'\n'); // 只能使用宽字符

    // 使用通用的 wprintf 输出宽字符
    wprintf(L"%lc %lc %lc %lc %lc\n", a, b, c, d, e);
    
    return 0;
}

3.4 宽字符串 ​

  • 如果给字符串加上 L 前缀，就变成了宽字符串，即：它包含的每个字符都是宽字符，一律采用 UTF-16 或者 UTF-32 编码。

提醒

  • ① 输出宽字符串可以使用 <wchar.h> 头文件中的 wprintf 函数，对应的格式控制符是%ls。
  • ② 不加L前缀的窄字符串也可以处理中文，我们之前就在 printf 函数中，使用格式占位符 %s 输出含有中文的字符串，至于为什么，看下文讲解。
  • 示例：
c
#include <locale.h>
#include <stddef.h>
#include <wchar.h>

int main() {
    
    // 禁用 stdout 缓冲区
    setbuf(stdout, nullptr);

    /* 存储宽字符，如：中文 */
    wchar_t  a[] = L"中国人";
    wchar_t *b   = L"你好";

    // 将本地环境设置为简体中文
    setlocale(LC_ALL, "zh_CN.UTF-8");

    // 使用通用的 wprintf 输出字符串
    wprintf(L"%ls %ls\n", a, b);

    return 0;
}

第四章：C 语言到底使用什么编码？ ​

4.1 概述 ​

  • 在 C 语言中，只有 char 类型的窄字符才会使用 ASCII 编码。而 char 类型的窄字符串、wchar_t 类型的宽字符和宽字符串都不使用 ASCII 编码。
  • wchar_t 类型的宽字符和宽字符串使用 UTF-16 或者 UTF-32 编码，这个在上文已经讲解了，现在只剩下 char 类型的窄字符串没有讲解了，这也是下文的重点。

提醒

  • ① 其实，对于char 类型的窄字符串，C 语言并没有规定使用哪一种特定的编码，只要选用的编码能够适应当前的环境即可。换言之，char 类型的窄字符串的编码与操作系统以及编译器有关。
  • ② 但是，char 类型的窄字符串一定不是 ASCII 编码，因为 ASCII 编码只能显示拉丁体系的文字，而不能输出中文、日文、韩文等。
  • ③ 讨论窄字符串的编码要从以下两个方面下手。

4.2 源文件使用什么编码？ ​

  • 源文件用来保存我们编写的代码，它最终会被存储到本地硬盘，或者远程服务器，这个时候就要尽量压缩文件体积，以节省硬盘空间或者网络流量，而代码中大部分的字符都是 ASCII 编码中的字符，用一个字节足以容纳，所以 UTF-8 编码是一个不错的选择。
  • UTF-8 兼容 ASCII，代码中的大部分字符可以用一个字节保存。另外，UTF-8 基于 Unicode，支持全世界的字符，我们编写的代码可以给全球的程序员使用，真正做到技术无国界。
  • 常见的 IDE 或者编辑器，如：Sublime Text、Vim 等，在创建源文件的时候一般默认就是 UTF-8 编码。就算不是，我们也会推荐设置为 UTF-8 编码，如下所示：
  • 对于 C 语言编译器来说，它往往支持多种编码格式的源文件。微软的 MSVC 、GCC 和 LLVM/Clang 都支持 UTF-8 和本地编码的源文件。

4.3 窄字符串使用什么编码？ ​

  • 前文提到，可以使用 puts 函数或 printf 函数来输出窄字符串，如下所示：
c
#include <stdio.h>

int main() {

    // 禁用 stdout 缓冲区
    setbuf(stdout, nullptr);
    
    // 存储字符串
    char  str[] = "我";
    char *str2  = "爱你";

    puts(str); // 我
    puts(str2); // 爱你
    
    // 存储字符串
    char  str3[] = "你";
    char *str4  = "是好人";

    printf("%s\n", str3); // 你
    printf("%s\n", str4); // 是好人

    return 0;
}
  • 像 "我"、"爱你"、"你"、"是好人"就是需要被处理的窄字符串，当程序运行的时候，它们会被加载进内存。并且，这些字符串中是包含中文的，所以一定不会使用 ASCII 编码。

提醒

其实，对于代码中需要被处理的窄字符串，不同的编译器差别还是挺大的：

  • 微软的 MSVC 编译器使用本地编码来保存这些字符。对于简体中文版的 Windows，使用的是 GBK 编码。
  • GCC、LLVM/Clang 编译器使用和源文件相同的编码来保存这些字符：如果源文件使用的是 UTF-8 编码，那么这些字符也使用 UTF-8 编码；如果源文件使用的是 GBK 编码，那么这些字符也使用 GBK 编码。

4.4 总结 ​

  • ① 对于 char 类型的窄字符，在 C 语言中，使用的是 ASCII 编码。
  • ② 对于 wchar_t 类型的宽字符和宽字符串，在 C 语言中，使用的 UTF-16 编码或者 UTF-32 编码，它们都是基于 Unicode 字符集的。
  • ③ 对于 char 类型的窄字符串，微软的 MSVC 编译器使用本地编码，GCC、LLVM/Clang 使用和源文件编码相同的编码。
  • ④ 处理窄字符和处理宽字符使用的函数也不一样，如下所示：
    • <stdio.h> 头文件中的 putchar、puts、printf 函数只能用来处理窄字符。
    • <wchar.h> 头文件中的 putwchar、wprintf 函数只能用来处理宽字符。

重要

  • ① C 语言作为一门较为底层和古老的语言，对于字符的处理，之所以有这么多种方式，是因为历史遗留的原因和早期计算机资源有限的背景密切相关。
  • ② 现代化的编程语言，如：C++ 、Java、Python 等都对字符串处理进行了改进和抽象，如：C++ 中的 std::string 和 Java 中的 String。并且，现代编程语言通常会自动管理内存，这样开发者就不需要手动处理字符串的内存分配和释放，从而减少了内存泄漏和缓冲区溢出等问题。当然，现代编程语言通常内置了对各种字符编码的支持，能够方便地处理不同语言的字符，如：Java 的 String 类和 Python 的 str 类型都默认支持 Unicode，可以轻松处理中文等多字节字符。

4.5 编码字符集和运行字符集 ​

  • 源文件使用的字符集，通常称为编码字符集，即：写代码的时候所使用的字符集。

提醒

源文件需要保存到硬盘，或者在网络上传输，使用的编码要尽量节省存储空间，同时要方便跨国交流，所以一般使用 UTF-8，这就是选择编码字符集的标准。

  • 程序中的字符或者字符串使用的字符集，通常称为运行字符集，即：程序运行时所使用的字符集。

提醒

程序中的字符或者字符串，在程序运行后必须被载入到内存，才能进行后续的处理，对于这些字符来说，要尽量选用能够提高处理速度的编码，如：UTF-16 和 UTF-32 编码就能够快速定位（查找）字符。

  • 编码字符集是站在存储和传输的角度，而运行字符集是站在处理或者操作的角度，所以它们并不一定相同。

Released under the MIT License.

Copyright © 2025 许大仙