字符编码学习笔记

1.编码方式（数字
-------------------> 代表什么
---------------> 显示为什么）

           
编码(ascii,gbk,unicode)            字体文件(编码,点阵字体)

  所谓的编码，是用预先规定的方法将文字、数字或其他对象编程数码。

  ASCII码：用一个字节的低七位来表示英文字符、数字和其他一些符号。也就是

  说我们看到的这些字符、数字在计算机中都有对应的码值，例如字符'A'对应的

  ASCII码为0x41.在当时使用ASCII码就可以解决所有的字符集。

  国标码(GBK)：对于内陆人使用的是汉字，采用的是国标码，使用两个字节来代表

  一个汉字。

 
unicode编码：为了解决全世界统一的编码方式，采用了unicode编码，这个表给出

  这个表给出了某个数值与字符的关系；某个数字代码某个符号。而这个编码表是

  如何表示它呢？(比如说用3个字节表示一个unicode编码，这种方法显然是很浪费的)

  因此如何来表示unicode编码出现了多种方式：UTF-8 UTF-16

 

2.一个例子

 
将含有abc字符的文件依次保存为ascii,utf-8,utf-16格式，然后用UE打开，查看

  其内容。<CTRL +
H>

  ascii:
  00000000:  61
62 63 ;abc <使用一个字节进行编码>

  utf-8:
  00000000:  EF
BB BF 61 62 63 ;abc  <EF BB BF
表示使用UTF-8方式来存储unicode编码> 

 
utf-16-le: 00000000:  FF FE 61 00
62 00 63 00 ;abc
<使用两个字节来表示unicode编码>

 
utf-16-be:   
00000000:  FE FF 00 61 00 62 00 63 ;abc

 

  在以上文件中加上"中"

  ascii:
  00000000:  61
62 63 D6 D0 ;abc
<使用一个字节进行编码，使用国标码>

  utf-8:
  00000000:  EF
BB BF 61 62 63 E4 B8 AD;abc  <EF BB
BF 表示使用UTF-8方式来存储unicode编码> 

 
utf-16-le: 00000000:  FF FE 61 00
62 00 63 00 4E 2D;abc
<使用两个字节来表示unicode编码，为unicode编码>

 
utf-16-be:   
00000000:  FE FF 00 61 00 62 00 63 2D 4E;abc

 

3.UTF-8是如何来表示unicode?

  中 : E4 B8 AD 11100100 10111000 10101101
是一种变长的存储方式

  第一个字节的前n位为1，n+1位为0表示用n个字节来表示该字符的unicode编码

  后面的n-1个字节的前2位都为10，剩下的这些值用来表示该字符的unicode值

  由此可知"中"的unicode 0100111000101101

  UTF-8使用最普遍，其优点：

 变长存储

 具有容错性，即便出错也只会导致若干个乱码，如果是UTF-16，其中一个错误

 会导致整个文件遭到破坏。

4.一个现象的分析？

 当我们使用putc(char ch)从开发板的的串口发出一个字符'A'，是如何在我们

 的windows终端显示出'A'来的？

 字符是以其ascii码进行存储的，因此通过串口线传输的实际上是字符'A'的

 ascii码0x41，而我们windows终端软件接收到这个ascii码时，如何显示是要

 通过查找存储在系统中的字体库文件，字体库文件中包括字符的码值和字符的

 字体点阵数据，通过查找字体文件最终将该码值对应的字体点整数据显示在屏幕

 上。

 如何得知一个字体文件中含有字体编码值？

 我们设置UE中某个文件的字体时，就会有字符集选择，字符集就是字符编码的

 方式：当我们设置字体为黑体时，字符集中就有CHINESE_GB2312

5.一个C源代码用不同的(编码方式)字符集保存，会导致执行结果不一致？

  这显然是不应该出现的，解决方法:编译程序时应该指定一些参数

  finput charset= charset
表示源文件的编码方式，默认为UTF-8来解析

  fexec charset = charset
表示可执行程序里的字符以什么方式来解析，默认为UTF-8