超级会员免费看
这篇博客介绍了字符编码，包括GBK、Unicode和UTF-8的区别。在Windows中，GBK是默认的兼容ASCII码的编码格式，而UTF-8文件前有BOM标识。文章探讨了不同编码保存文件的内容差异，以及在不同系统下的显示问题。还讲解了HTML页面和XML文件的编码设置，并讨论了内存中字符串编码的不确定性。此外，博客还涉及Unicode与UTF-8之间的转换，以及C语言中的转义字符和JSON字符转义的原理与实现。
1、中文字符编码
字符编码有好多种，如果一段文本中有非ASCII字符，就必须得用某一种字符编码来表示，将其保存到文件中也是如此。
现在要打开一个文本文件，文件编辑器（记事本，EditPlus等）必须要知道这个文件采用了何种编码，不然没法解析。如果文件是UTF-8编码存储，却被当作GBK编码来解读，最后展示出来肯定会是乱码。
我们先说Windows操作系统下面的情况，GBK是中文版Windows默认的兼容ASCII码的存储格式，所以GBK编码不用特殊标识。只不过这样的文件放到台湾版或是日本版的系统下面打开会是乱码。UTF-8编码的文件就需要特殊处理一下，Windows会在UTF-8编码的文件前增加3个字节的特殊字符 "EF BB BF” ，这就是常说的BOM，全称叫做"Byte Order Mard”。
只是，BOM是为其他编码准备的，UTF-8带BOM并不合标准，只在Windows阵营下才这么用。由于Windows的影响范围太广，很多文本编辑器都是支持带BOM的UTF-8文本。在Mac和Linux下就不吃这一套，很有可能会出现乱码。大部分编译器也不认，遇到问题会直接编译错误。
我们可以用Windows自带的记事本来存储不同格式的文本并进行比较。打开记事本，输入一段文本，比如就三个字“中国人”，保存时可以指定编码，如下图：
其中ANSI默认就是GBK编码，Unicode和UTF-8分别是相应的编码。而出现的big end
订阅专栏 解锁全文
扫一扫
1062
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
