字符编码及文件读取的基础知识.docxVIP

字符编码及文件读取的基础知识1、二进制文件和文本文件首先看二段代码：生成一个二进制文件和一个文本文件。打开一个二进制文件：test.dat,写入整数1234，其对应的十六进制为04?D2。 FILE *pfile;intntest = 1234;if(NULL == (pfile=fopen(test.dat,wb))) {printf(cant write file:test.dat);return(1); }fwrite(ntest,sizeof(int),1,pfile);fclose(pfile);?用ultraedit打开，可以看见：?然后：再次写一个文件： FILE *pfile;intntest = 1234;if(NULL == (pfile=fopen(test.bin,w))) {printf(cant write file:test.dat);return(1); }//fwrite(ntest,sizeof(int),1,pfile);fputs(1234, pfile);fclose(pfile);打开后显示：??　　世界上本没有文本文件，只说用的人多了才有了文本文件的概念。所有存储在计算机上的文件都是以二进制比特流的形式存在。有些比特流的特定多少位表示一个能可见的字符（比如说o1100101表示A），那么组成的文件就是通常所说的文本文件，除此之外的就是二进制文件了，二进制文件通常打开都是乱码，是因为你的工具（如记事本等）往往按照一个字节一个字节去读取二进制比特流，而有时候这个字节代表了一个不可见的字符，比如上面的D2。我们平时用的doc，bmp等文件都是二进制文件。2、二进制文件和文本文件的打开方式　　文本方式和二进制方式仅仅是一种方式，不是说文本方式用来打开文本文件，二进制方式打开二进制文件。这两种方式的惟一区别就是：当利用文本方式打开文件时，遇到回车换行就转换成’\n’（windows需要转换，而linux系统不需要，这是因为windows与linux表示换行的标识符不一样，前者是\r\n,而后者是\n,与c语言规定的是一样的，在linux下面这两种方式没有区别。而且转化的工作由编译器完成，操作系统只负责处理数据流），而二进制方式没有这种转换。文本文件里的每个字节数据(当然也是用二进制存储在计算机上)一般都表示一个ascii（这里暂时只说ansi文本格式，对于unicode则不同了，后面会讲到），而二进制文件里的每个字节数据可能表示一个ascii也可能不是，当在ascii表中可以找到对应的字符时，你用文本编辑器打开时就能看见对应的字符，如果找不到就是乱码。?fread和fwrite往往用于读取和写入二进制文件，当然也可以读取和写入文本文件；反之，fgets和fputs往往用于文本文件的读取和写入，当然也可以读取和写入二进制文件。一切取决于你写入的数据格式和对读取的内容做什么样的解析。计算机只负责和二进制数据打交道，它不管你的二进制数据表示什么。?? FILE *pfile;charbuf[1024] = {\0};intnCount;if(NULL == (pfile=fopen(test.txt,r)))//if(NULL == (pfile=fopen(test.txt,rb))) {printf(cant write file:test.dat);return(1); }//fread(ntest,sizeof(int),1,pfile);fgets(buf, 1024, pfile);//printf(%d\n,ntest);for (intna=0; na1024 buf[na]!=0; na++) {intntemp = buf[na];ntemp = 255;printf(%0.2x\n,ntemp); }fclose(pfile);?用文本方式打开结果：?用二进制方式打开：3,Ansi/gbk/Unicode/utf-8Ansi:最初是美国制定的一套标准，也就是ansi的ascii,用0-127表示一个字符。?GBK：中国为了支持汉字，用两个字节表示一个汉字。在判断这个字节大于127，说明是一个汉字编码的开始，然后读取下一个字节，组合在一起形成一个汉字。GBK里面小于127的字节表示的含义与ASCII一样。?Unicode：为了统一世界上各个国家的字符编码集，制定了一个统一的编码方案，概括了所有的语言字符，用2个字节表示。?Utf-8:实际上是unicode的一种实现形式。因为unicode只是规定了字符的编码内容，没有规定字符的存储方式。网络上的数据流往往以字节流的形式发送或者接收，utf-8规定了这些字节流的