字符串

一.字符编码

字符编码其实就是一种映射规则。由于计算机只能理解二进制，我们在屏幕上看到的英文，汉字等字符都是二进制转换后的结果。按照何种约定将字符存储在计算机中，如'a'用什么表示，称之为编码。反之，如何将存储在计算机中的二进制数据解析显示出来，称之为“解码”。

字符集指一个系统支持的所有抽象字符的集合。字符是各种文字和符号的总称，字符编码指的是一套规则，将字符转换为计算机可以接受的数字系统的二进制数值。常见的字符集有ASCII字符集，Unicode字符集，GB2312字符集

ASCII(American Standard Code for Information Interchange)，即美国信息交换标准代码，其是基于拉丁字母的一套计算机编码系统。

ASCII字符集：主要包括控制字符(回车键，退格，换行键);可显示字符(英文大小写字符，阿拉伯数字和西文符号)。

ASCII编码：将ASCII字符集转换为计算机可以接受的数字系统的数的规则。使用7位(bits)表示一个字符，共128个字符;但是7位编码的字符集只能支持128个字符，为了表示更多的欧洲常用字符对ASCII进行了扩展，ASCIII扩展字符集使用8位(bits)表示一个字符，共256个字符。

ASCII及扩展ASCII码，最多只能编码256个字符，因此使用ASCII可支持的字符是有限的，例如，ASCII就不能对汉字，日文，韩文等进行编码

为了消除这个严重缺陷，使各种语言可统一编码，双字节编码应运而生。在双字节字符集中一个字符可由1个或2个字节组成。这就是UTF编码，即通常所说的Unicode码。

Unicode说明：Unicode码包括UTF-8,UTF-16,UTF-32三种标准。UTF-8编码长度不固定，UTF-16占两字节，UTF-32占4字节

UTF-8在编码时，将部分字符编码为1字节，部分字符编码为2字节，部分字符编码为3字节，还有一部分编码为4字节。其中，值在0x0080以下的字符压缩成1字节，主要存放美国使用的字符，值在0x0080-0x07ff间的字符使用2字节存储，主要存放欧洲及中东地区语言字符，值在0x07ff以上的字符使用3字节存储，主要存储东亚地区的语言。

UTF-16编码占用2个字节，最多可编码65536个字符。Windows操作系统采用这种编码形式，因为这种编码可存储世界各地的大部分语言字符。而且在节省空间和简化编码这两个目标之间，提供了一个很好的折中。

 

UTF-32编码的每个字符都占用4个字节。一般在应用程序内部使用这种编码，由于这种编码效率不高，在网络通信，文件保存时使用得很少。

在Windows操作系统中，如果不进行特别说明，一般所说的Unicode编码均指UTF-16编码。而Linux流行的编码方案则是UTF-8

在Windows上从事软件开发的人员，笔者强烈建议在应用程序开发时使用Unicode的字符和字符串。原因可总结如下：

1.使用Unicode有利于应用程序的本地化，只需要一个二进制文件，即可支持所有语言

2.Unicode可提高应用程序执行效率，代码执行速度快，占用的内存会更少。Windows系统内部所有的操作都采用Unicode字符或字符串进行处理。所以，如果应用程序采用ASCII字符或字符串，操作系统刚会被迫分配内存，将ASCII字符或字符串转换成Unicode字符串，否则系统无法处理

3.使用Unicode可提高程序的兼容性。例如，采用Unicode编码的应用程序易于与COM组件，NET Frame集成。

Windows程序开发注意事项

1.在应用程序设计时，最好将应用程序转换为支持Unicode的形式，即使当前并不计划立即开始使用Unicode。

2.将文件字符串理解为字符的数组，而不是char或字节的数组

3.使用TCHAR通用数据类型，表示文件字符和字符串

4.注意与字符串相关的计算的差异。Unicode下字符数和字节数是不同的，而在ASCII下字符数和字节数是等同的。还有如果需申请一块内存，要记住内存是以字节为单位，而不是以字符为单位进行分配的，这意味着必须调用malloc(nChars*sizeof(TCHAR)),而不是malloc(nChars)

5.尽量避免使用printf系列函数，尤其不要使用%s和%S字段进行ASCII，Unicode字符串的相互转换

 二.牢记字符串结束标志为'\0'

在C语言中，并没有字符串这种数据类型，其通过使用字符数组来保存字符串。C语言字符串其实就是一个以null('\0')字符结尾的字符数组。null字符表示字符串的结束，对C字符串的操作需要通过<string.h>文件中定义的字符串处理函数实现。

char szWelcome[11] = "huanying";　　也可以通过指针来访问一个字符串：通过字符指针指向存放字符串数组的首元素地址来访问字符串，如char* pszWelcome="huanying"

只有以null结束的字符数组才是字符串，否则只是一般的字符数组。C字符串，可以利用"="号进行初始化，但初始化后，不能利用"="对C字符串进行赋值操作

strlen计算的字符串长度是不包括null在内的字符长度。null是字符串的必要组成部分，但不占用字符串的长度。

定义一个字符串，一定要确保此字符串以null字符结尾。否则关于字符串的任何运算操作，都将是错误的，无法预知的

通常我们所说的字符串地址，仅指字符串的首元素的内存地址

在创建动态字符串数组时，通过new或malloc申请内存时，一定要考虑到null也占用空间，以防字符串因为无null结束符，而导致无法预测的错误。