字符编码的对比，简易图。

caicaptain2

eric2013

谢谢分享。

caicaptain2

我查到的资料中，对于UNICODE有些矛盾。 有的说它是总是2个字节存一个字母或者一个汉字，比如Qt里面介绍的。 但是也有说是4个字节存储一个字母或者汉字，比如百度里面的。 烦烦烦。。。

ghslfgkkl88

caicaptain2 发表于 2020-7-9 10:50
我查到的资料中，对于UNICODE有些矛盾。 有的说它是总是2个字节存一个字母或者一个汉字，比如Qt里面介绍的 ...

你要弄清楚UNICODE和UTF-16，这两个是不同的，UNICODE是国际统一编码，不过严格来说叫编号更好一些，也就是让一个字符对应一个唯一的编号，比如'0'的unicode编号是0x30，‘零’的unicode编号是0x96F6，表情符号😁的unicode编号是0x1F601。所以你看，一个字符的unicode编号，长度是不一样的，长度不一样带来的问题，就计算机存储时要怎么识别才不出现错乱。比如读出两个数据：0x30，0x30。是两个字符‘0’呢，还是一个字符'〰'？但是unicode是不管这些的，unicode只负责制定一个符号用一个唯一的编号来表示，其他的他就不管了。为了让计算机识别unicode编号而不出现错乱，就需要对unicode编号进行编码，于是人类制定了不同的编码方案。其中一种就是UTF-16，UTF-16跟utf-8一样，长度是可变的。但跟utf-8不一样的是，UTF-16只有2字节或者4字节，这个在编码上能区分出来。QT就采用的UTF-16，UTF-16的好处是寻址方便，效率高。UTF-8的问题是寻址麻烦，最短1字节，最长6字节，但是它省空间。

外文语境里面unicode叫编码，UTF-16也叫编码，这其实不好理解。你看，中文的好处就是，能很容易的区分编号与编码。找时间我写一篇详细些的文章来讲这些编号与编码

eric2013

caicaptain2 发表于 2020-7-9 10:50
我查到的资料中，对于UNICODE有些矛盾。 有的说它是总是2个字节存一个字母或者一个汉字，比如Qt里面介绍的 ...

Unicode字符集，支持的编码方式有UTF-16，UTF-8，UTF-32是编码方式等。

比如Window的Unicode字符集，编码形式是UTF-16。

caicaptain2

eric2013 发表于 2020-7-10 01:24
Unicode字符集，支持的编码方式有UTF-16，UTF-8，UTF-32是编码方式等。

比如Window的Unicode字符集， ...

原来如此，豁然开朗！

caicaptain2

ghslfgkkl88 发表于 2020-7-9 12:54
你要弄清楚UNICODE和UTF-16，这两个是不同的，UNICODE是国际统一编码，不过严格来说叫编号更好一些，也就 ...

感谢详细的解答！

ghslfgkkl88

caicaptain2 发表于 2020-7-10 09:55
感谢详细的解答！

才发现上面有两个符号网站没显示出来，一个是：。另一个是：。

用图片更正如下：

1：表情符号 的unicode编号是0x1F601。

2：是两个字符‘0’呢，还是一个字符' '？

h_007

对于C语言来说，一般是wchar_t类型，这个是编译器定义的，比如在Windows默认是16位，Linux默认是32位。最新C11标准有新类型char16_t，char32_t相对应。有源码的话都好办（随便转来转去），库形式的话有点麻烦，需要注意
比如的STemWin V5.44库，同时有wc16（比如：STemWin_CM3_OS_wc16.a）和wc32（比如：STemWin_CM3_OS_wc32.a）的。IAR V8用wc32（对应32位wchar_t），V7和以前用wc16（对应16位wchar_t），移植时注意就好。
友情提示：有的编译器有wchar_t类型选项（可以选择16位或32位），gcc一般默认是32位