所謂字符編碼方案就是將所需編碼的符號順序編號，統(tǒng)一用一個序列號來表示。編碼時當然會適當考慮分類的原則，即盡量將同類的字符放在一起，以相同的二進制開頭，如ASCII的a-b就分別對應(yīng)十進制的序號：97-122，97的二進制是0110 0001。

對于字符的數(shù)據(jù)表示使用編碼方案（字符用順序號編碼），而對于字符的輸出則一般是用點陣圖形來輸出的。而對于輸入來說，英文就簡單了，直接按鍵盤輸入即可，中文則不可能直接使用編碼方案的順序號來輸入，因為那樣不夠直觀，不方便記憶和操作，為此，搞出來不同的輸入方案，如五筆、拼音輸入法。對于存儲呢？簡單的方法當然是以最大的編碼（順序號）所需的字節(jié)數(shù)來存儲，但對于需要多個字節(jié)的編碼方案來說，存儲編碼（順序號）在最前面的部分顯然并不需要最大的字節(jié)數(shù)，所以對于多字節(jié)編碼的方案往往會按一定規(guī)則另外搞出一套存儲方案，然后按規(guī)則做適當?shù)霓D(zhuǎn)換即可，這是一種以時間換空間的做法。

1 ASCII

因為計算機是美國人最先搞出來的，而美國人使用的符號少，一個字節(jié)（8個位，0-11111111）就足夠了，這就是ASCII，包括大、小定英文字母、數(shù)字、一些可打印或不可打印的其它符號，共128個：

2 GB2312

中國使用的漢字需要以萬計，常用的漢字也是以千計，一個字節(jié)遠遠不夠。（兩個字節(jié)16個位(0x0-0xffff)理論上可以表示2^16=65536個字符。）編碼需要考慮與ASCII兼容，且方便使用。

2.1 兼容ASCII。

2.2 由兩個大于127的字節(jié)來映射我們增加的字節(jié)（確保兩個字節(jié)的最高位都是1）；

2.3 發(fā)現(xiàn)最高位是0，那么就可以確定這個字節(jié)映射的是ASCII的字符，那么就只讀取一個字節(jié)，然后去查ASCII表，將其解析為ASCII表對應(yīng)的字符。發(fā)現(xiàn)最高位是1，那么就可以確定這個字節(jié)映射的就是GB2312的字符，那么就連續(xù)讀兩個字節(jié)，然后去查GB2312，然后將其解析為對應(yīng)的字符。

2.4 ASCII重新映射了兩個字節(jié)的ASCII，這些稱為全角字符，而本身的ASCII的一個字節(jié)映射的字符，稱為半角字符。

2.5 后面又增加了一些字符，形成了GBK，然后再增加了一些，形成了GB18030，都向前兼容。

2.6 ANSI在不同操作系統(tǒng)中，對應(yīng)不同的字符編碼，如簡體中文的操作系統(tǒng)，對應(yīng)GB2312，繁體的對應(yīng)Big5，日語的操作系統(tǒng)對應(yīng)JIS。

GB 2312標準共收錄6763個漢字，其中一級漢字3755個，二級漢字3008個；同時，GB 2312收錄了包括拉丁字母、希臘字母、日文平假名及片假名字母、俄語西里爾字母在內(nèi)的682個全角字符。

GB 2312的出現(xiàn)，基本滿足了漢字的計算機處理需要，它所收錄的漢字已經(jīng)覆蓋中國大陸99.75%的使用頻率。

對于人名、古漢語等方面出現(xiàn)的罕用字，GB 2312不能處理，這導(dǎo)致了后來GBK及GB 18030漢字字符集的出現(xiàn)。

GB 2312以編碼0xA1A0（10100001 10100000）開始：

3 unicode

如果每個國家都搞自己的一套字符編碼方案，對于信息通信自然不便，為此，國際標準化組織便搞了一個統(tǒng)一的unicode字符編碼方案，盡可能包含各國使用的字符。

UCS-2用2個字節(jié)編碼，UCS-4用4個字節(jié)(0x0-0xffffffff)編碼（理論上2^32=4294967296）。

unicode本身只規(guī)定了對應(yīng)的二進制數(shù)是多少（也是一個序列號）。因為需要更多的位數(shù)，但發(fā)現(xiàn)一些編碼在前的序列號使用一個字節(jié)或兩個字節(jié)就行了，如果同樣使用4個字節(jié)的話，會造成空間浪費，可以考慮另外經(jīng)濟的存儲方案。所以在unicode統(tǒng)一數(shù)字編碼的基礎(chǔ)上，再搞一套存儲的編碼方案，這就是utf，以用時間來換空間，或用空間換時間，或折衷，對應(yīng)utf-8、utf-32、utf-16，因為存儲的是另外一套編碼體系，需要再做轉(zhuǎn)換。轉(zhuǎn)換格式分別是：

utf-8

不同的編碼段使用不同的字節(jié)數(shù)（1－6）存儲，一位的以0開關(guān)，兩位的段以110和10開頭，三位的以1110和10、10開頭，四位的以11110和10、10、10開頭。這樣，編碼在前的字符存儲時就節(jié)省了空間，是一個以時間換空間的折衷方案。

utf-16

使用兩個字節(jié)或者4個字節(jié)來存儲，分兩個段，第一個段則直接存儲，不轉(zhuǎn)換，使用兩個字節(jié)，如果屬于第二個段（高段），第1、2個字節(jié)以110110開頭，第3、4個字節(jié)的以110111開頭，其它的以unicode編碼依次填入。

utf-32：固定長度，使用4個字節(jié)存儲，以空間換時間（因為不需要轉(zhuǎn)換了）。

4 C++使用的字符串

在 C++ 中，以前通常使用 char 表示單字節(jié)的字符，使用 wchar_t 表示寬字符，對國際碼提供一定程度的支持。 char * 字符串有專門的封裝類 std::string 來處理，標準輸入輸出流是 std::cin 和 std::cout 。對于 wchar_t * 字符串，其封裝類是 std::wstring，標準輸入輸出流是 wcin 和 wcout。雖然規(guī)定了寬字符，但是沒有明確一個寬字符是占用幾個字節(jié)，Windows 系統(tǒng)里的寬字符是兩個字節(jié)，就是 UTF-16；而 Unix/Linux 系統(tǒng)里為了更全面的國際碼支持，其寬字符是四個字節(jié)，即 UTF-32 編碼。這為程序的跨平臺帶來一定的混亂，除了 Windows 程序開發(fā)常用 wchar_t* 字符串表示 UTF-16 ，其他情況下 wchar_t* 都用得比較少。MFC 一般用自家的 TCHAR 和 CString 類支持國際化，當沒有定義 _UNICODE 宏時，TCHAR = char，當定義了 _UNICODE宏 時，TCHAR = wchar_t，CString 內(nèi)部也是類似的。Qt 則用 QChar 和 QString 類（內(nèi)部恒定為 UTF-16），一般的圖形開發(fā)庫都用自家的字符串類庫。在新標準 C++11 中，對國際碼的支持做了明確的規(guī)定：

char * 對應(yīng) UTF-8 編碼字符串（代碼表示如 u8'多種文字'），封裝類為 std::string；

新增 char16_t * 對應(yīng) UTF-16 編碼字符串（代碼表示如 u'多種文字'），封裝類為 std::u16string ；

新增 char32_t * 對應(yīng) UTF-32 編碼字符串（代碼表示如 U'多種文字'），封裝類為 std::u32string 。

因為 Qt 有封裝好的 QString，所以不太需要這些新增的字符串格式。

－End－