字符编码之间的相互转换.docVIP

字符编码之间的相互转换?UTF8与GBK C++?UTF8编码转换?CChineseCode?一?预备知识? 1，字符：字符是抽象的最小文本单位。它没有固定的形状（可能是一个字形），而且没有值。“A”是一个字符，“€”（德国、法国和许多其他欧洲国家通用货币的标志）也是一个字符。“中”“国”这是两个汉字字符。字符仅仅代表一个符号，没有任何实际值的意义。?? 2，字符集：字符集是字符的集合。例如，汉字字符是中国人最先发明的字符，在中文、日文、韩文和越南文的书写中使用。这也说明了字符和字符集之间的关系，字符组成字符集（iso8859-1，GB2312/GBK，unicode）。?? 3，代码点：字符集中的每个字符都被分配到一个“代码点”。每个代码点都有一个特定的唯一数值，称为标值。该标量值通常用十六进制表示。? 4，代码单元：?在每种编码形式中，代码点被映射到一个或多个代码单元。“代码单元”是各个编码方式中的单个单元。代码单元的大小等效于特定编码方式的位数：?UTF-8?：UTF-8?中的代码单元由?8?位组成；在?UTF-8?中，因为代码单元较小的缘故，每个代码点常常被映射到多个代码单元。代码点将被映射到一个、两个、三个或四个代码单元；?UTF-16?：UTF-16?中的代码单元由?16?位组成；UTF-16?的代码单元大小是?8?位代码单元的两倍。所以，标量值小于?U+10000?的代码点被编码到单个代码单元中；?UTF-32：UTF-32??中的代码单元由?32?位组成；?UTF-32?中使用的?32?位代码单元足够大，每个代码点都可编码为单个代码单元；?GB18030：GB18030??中的代码单元由?8?位组成；在?GB18030?中，因为代码单元较小的缘故，每个代码点常常被映射到多个代码单元。代码点将被映射到一个、两个或四个代码单元。??5，举例：?“中国北京香蕉是个大笨蛋”这是我定义的aka字符集；?各字符对应代码点为：??北?京?香?蕉?是?个?大?笨?蛋?中?国? 下面是我定义的?zixia?编码方案（8位），可以看到它的编码中表示了aka字符集的所有字符对应的?代码单元；? 北京香蕉是个大笨蛋中国? 所谓文本文件?就是我们按一定编码方式将二进制数据表示为对应的文本如?00000001000000100000010000001000000100000010000001000000这样的文件。我用一个支持?zixia编码和aka字符集的记事本打开，它就按照编码方案显示为??“香蕉是个大笨蛋?”?如果我把这些字符按照GBK另存一个文件，那么则肯定不是这个，而是?1100111111100011?1011110110110110?1100101011000111?1011100011110110?1011010011110011?1011000110111111?1011010110110000?110100001010???? 二，字符集 1，?常用字符集分类?ASCII及其扩展字符集?作用：表语英语及西欧语言。?位数：ASCII是用7位表示的，能表示128个字符；其扩展使用8位表示，表示256个字符。?范围：ASCII从00到7F，扩展从00到FF。?ISO-8859-1字符集?作用：扩展ASCII，表示西欧、希腊语等。?位数：8位，?范围：从00到FF，兼容ASCII字符集。?GB2312字符集?作用：国家简体中文字符集，兼容ASCII。?位数：使用2个字节表示，能表示7445个符号，包括6763个汉字，几乎覆盖所有高频率汉字。?范围：高字节从A1到F7,?低字节从A1到FE。将高字节和低字节分别加上0XA0即可得到编码。?BIG5字符集?作用：统一繁体字编码。?位数：使用2个字节表示，表示13053个汉字。?范围：高字节从A1到F9，低字节从40到7E，A1到FE。?GBK字符集?作用：它是GB2312的扩展，加入对繁体字的支持，兼容GB2312。?位数：使用2个字节表示，可表示21886个字符。?范围：高字节从81到FE，低字节从40到FE。?GB18030字符集?作用：它解决了中文、日文、朝鲜语等的编码，兼容GBK。?位数：它采用变字节表示(1?ASCII，2，4字节)。可表示