摘要：1. Unicode，UCS-2， UCS-4， UTF-8， UTF-16， UTF-32--字节和字符的区别。一个字符可以用多个字节来存储表达。--Big Endian和Little Endian上面提到了一个字符可能占用多个字节，那么这多个字节在计算机中如何存储呢？ 比如字符0xabcd，它的存储格式到底是 AB CD，还是 CD AB 呢？ 实际上两者都有可能，并分别有不同的名字。如果存储为 AB CD，则称为Big Endian； 如果存储为 CD AB，则称为Little Endian。 具体来说，以下这种存储格式为Big Endian，因为值(0xabcd)的高位(0xab)存储 阅读全文

摘要：回车和换行有什么区别 回车 \r 本义是光标重新回到本行开头，r的英文return，控制字符可以写成CR，即Carriage Return 换行 \n 本义是光标往下一行（不一定到下一行行首），n的英文newline，控制字符可以写成LF，即Line Feed 在不同的操作系统下，ENTER对应的字符是不同的:UNIX下是\n;WIN下是\r\n;MAC下是\r 阅读全文

摘要：I met this issue on my laptop with English version XP installed. When installing wangwang from taobao.com, I met 乱码. I first thought it's due to the wangwang is not unicode-based. But I really don't t... 阅读全文

摘要：Windows (ANSI) code pages Microsoft defined a number of code pages known as the ANSI code pages. Don't confuse "ANSI" with "ASCII". For function ::WideCharToMultiByte and ::MultiByteToWideChar, the... 阅读全文

摘要：1. Multibyte shows to us as char*. While in fact, it can be any code page encoding, including gbk, utf8, etc. If a char* represents utf8 characters, we need to handle it specially in below way: // C... 阅读全文

摘要：[转载自：http://blog.csdn.net/fmddlmyy/archive/2005/06/21/399661.aspx] 写这篇文章的起因是这么一个问题：我们在使用和安装Windows程序时，有时会看到以“2052”、“1033”这些数字为名的文件夹，这些数字似乎和字符集有关，但它们究竟是什么意思呢？ 研究这个问题的同时，又会遇到其它问题。我们会谈到Windows的内部架构、Win32... 阅读全文

摘要：[转载自： http://blog.csdn.net/fmddlmyy/archive/2007/02/14/1510193.aspx] 3 字符编码模型 程序员经常会面对复杂的问题，而降低复杂性的最简单的方法就是分而治之。Peter Constable在他的文章"Character set encoding basics Understanding character set encodings... 阅读全文

摘要：[转载自：http://blog.csdn.net/fmddlmyy/archive/2007/02/14/1510189.aspx] 我曾经写过一篇《谈谈Unicode编码，简要解释UCS、UTF、BMP、BOM等名词》（以 下简称《谈谈Unicode编码》），在网上流传较广，我也收到不少朋友的反馈。本文探讨《谈谈Unicode编码》中未介绍或介绍较少的代码页、 Surrogates等问题，补充... 阅读全文

摘要：这是一篇程序员写给程序员的趣味读物。所谓趣味是指可以比较轻松地了解一些原来不清楚的概念，增进知识，类似于打RPG游戏的升级。整理这篇文章的动机是两个问题： 问题一： 使用Windows记事本的“另存为”，可以在GBK、Unicode、Unicode big endian和UTF-8这几种编码方式间相互转换。同样是txt文件，Windows是怎样识别编码方式的呢？ 我 很早前就发现U... 阅读全文

摘要：字符，字节和编码 [转载自：http://www.regexlab.com/zh/encoding.htm] 级别：中级 摘要：本文介绍了字符与编码的发展过程，相关概念的正确理解。举例说明了一些实际应用中，编码的实现方法。然后，本文讲述了通常对字符与编码的几种误解，由于这些误解而导致乱码产生的原因，以及消除乱码的办法。本文的内容涵盖了“中文问题”，“乱码问题”。 掌握编码问题的关键是正确地理解相... 阅读全文

摘要： 阅读全文

摘要：字体就是字的样子，是几何形状信息。 字符集是一个映射表。一个字符是用二进制数字表示的，但具体是什么字符，是根据字符集决定的。打个比方，字符集就像过去的电报编码表，每个字都有个编号。发送电报的时候是发送的一堆数字编号，而对方接受电报的需要根据电报编码表再将编号翻译成字。然后写在电报纸上，具体是用宋体写，还是草书，就由报务员决定了。 阅读全文

摘要：一个字符串不指定它使用什么编码是没有意义的。 再也不要假定，“纯”文本（plain text）是ASCII. 没有“纯文本”这个东西。 如果你有一个字符串，在内存中，在文件中，或者在 Email 消息里，你必须知道它的编码是什么。否则你无法正确的解释或者显示给用户。 所有的诸如 “我的网页不能正常显示了”，或者 ”Email 消息不能正常显示了“ 之类的愚蠢问题， 都是因为， 没有告诉... 阅读全文

摘要：Codepage的定义和历史 字符内码(charcter code)指的是用来代表字符的内码.读者在输入和存储文档时都要使用内码,内码分为 单字节内码 -- Single-Byte character sets (SBCS),可以支持256个字符编码. 双字节内码 -- Double-Byte character sets)(DBCS),可以支持65000个字符编码.... 阅读全文