雅乐网

我们都知道计算机内部是使用二进制保存所有的信息。二进制只有0和1，那么计算机中的文本又是怎么保存的呢？

二进制可以表示数字，我们可以事先约定好，给每个数字对应一个字母，这样就可以用数字来表示字符。现代系统中最常用的的字符编码标准就是ASCII标准。

ASCII

ASCII主要是用一个单字节大小的整数表示一个字符。ASCII一共有128个字符，编码见下图：

查上表可以知道，字符空格”SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。所有ASCII码都只需要七位二进制，最高一位为0 。

 helloworld.c的文本表示

上节我们用到的helloworld.c文件就是以字节序列的方式存储在文件中。每个字节都是一个整数值，也对应了相应的字符。我们可以用十六进制编辑器打开之前的文本文件，可以对照ASCII表查看

像这种只由字符构成的文件叫做文本文件，其余的文件叫做二进制文件。

char

c语言中的char类型用于储存字符。字符都是用整数编码的，所以char类型实质保存的是整数。c标准规定char的大小是一个字节，这也使指向char的指针可以按照字节的单位寻址，在一些底层操作中也会用到。

在ASCII系统中，char类型就是使用ASCII编码的；对于其他的字符编码系统，则不同于ASCII。以后讨论的char都是使用ASCII编码的。

char的符号取决于实现

char的大小是一个字节，它表示的整数范围却有两种情况。这是因为c标准并没有指出char是有符号还是无符号的，在不同的系统环境中，char有可能是signed char（有符号，范围-128 – 127）也有可能是unsigned char（无符号，范围0-255）。ASCII码的范围是0-127，因此不管是有符号还是无符号都可以表示全部的ASCII码。

单引号

c语言中单引号表示一个字符，它的值就是该字符对应的编码。

char c = ‘A’;

在使用ASCII的系统中，’A’ 的值就是65 。这和

char c = 65;

是一样的。不过第二种写法只能用于ASCII系统，而且可读性差，所以不推荐。

转义字符

有些常见的ASCII非打印字符，键盘上没有对应的按键，所以c语言中定义了转义字符，使用反斜杠+其他字符表示。

‘\n’表示换行符，它的值是十进制10 。

总结：单引号的值是引号内的字符对应的编码值。

其他字符编码

英语用ASCII的128个字符表示就足够了，可是对于其他语言就不一定了。例如汉语就有成千上万的汉字，肯定不能用1个字节。简体中文常见的编码方式是GB2312，使用两个字节表示一个汉字，共收录6763个汉字。

不同的语言使用自己的编码，如果交流的两方编码不一致，就会出现乱码。所以，人们考虑使用一种编码表示世界上所有的字符，所以出现了Unicode（又叫统一码、万国码、单一码）。Unicode给世界上每一个符号都给予一个独一无二的编码，但是没有规定储存方式。（但是Unicode和GB2312编码并不一致）

一个字节肯定不能表示所有字符，如果规定n个字节表示一个字符，那么英文部分只需要1个字节就能表示，多余的字节就会浪费。于是出现了

utf-8

UTF-8是Unicode的实现方式之一，它是一种变长的编码。它的规则有：

1. 对于ASCII码使用一个字节表示，和ASCII码一致。

2. n字节的符号（n>1），第一个字节的前n位都为1，第n+1位为0，后面每个字节的前两位一律设为10。剩下的没有设置的二进制位，填入这个符号的unicode码。

utf-8的编码如下：

 

1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

ANSI

用记事本保存的时候有ANSI选项。这种方式对于英文文件是ASCII编码，对于简体中文文件是GB2312编码，对繁体中文版会采用Big5码）。