黑马程序员技术交流社区

标题: 求教：一个汉字在OC和C中分别占用几个字节 [打印本页]

作者: 心程变 时间: 2015-11-22 07:56
标题: 求教：一个汉字在OC和C中分别占用几个字节
如题，请各位大神不吝赐教

作者: 夜神月No1 时间: 2015-11-22 19:24
我的理解是oc的底层是用c写的，只是oc的话是面向对象了，一个汉子在oc和c中都是占用两个字符，感觉他们底层都一样，不太清楚我的理解对不对，希望其他大神给出批正

作者: MillerD 时间: 2015-11-22 20:13
C好像是三个

作者: liury 时间: 2015-11-22 20:55
这是编码的问题，跟OC与C没关系。
Xcode中中文占用3个字节，因为在utf－8里面中文要3个字节。C中占2个字节，最大可能是你默认使用GB2312编码格式，国标中中文占2字节。

区别1：字符集不同区别2：编码格式不同。

－－－－－－－－－－－－－－－－退后，下面开始装逼了－－－－－－－－－－－－
一。中文可能碰到的编码
ANSI：最早的时候计算机ASCII码只能表示256个符号（含控制符号），这个字符集表示英文字母足够，其中，我们键盘上可见的符号的编码范围是从32到126（大小写英文字母、数字、英文符号等）。但表示汉字、日语、韩语就不太够用了，汉字常用字有3000多个。

不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码

但是中国人也要用电脑打字，于是，中国人就研究出来了最早的中文字符集GB2312（GBK就是后来的扩展），GB2312的做法是，把ASC码取值范围的128～255这个区间挪用了一下，用两个ASC码表示一个汉字，这样可用的编码范围用十六进制表示就是0x8080到0xFFFF，这大概能表示一万多个符号，足够了。[注:实际没用那么多，GBK的范围是8140-FEFE]

那个时候，计算机技术还不发达，各个国家搞自己的，比如台湾，也另搞了一套，叫BIG5（俗称：大五码），跟大陆的也不太一样，但方法是类似的，都是用0x80到0xFF这个区间。
然后日语（有编码JIS）、韩语等等也各搞一套。

这些国家的编码区间都是重叠的，但同一个汉字（比如有一些汉字同时存在于简体、繁体、日语汉字中）有不同的编码，很混乱是不是？但也凑合用了。编码不同导致了很多麻烦，比如一个网页，如果你不知道它是什么编码的，那么你可能很难确定它显示的是什么，一个字符可能是大陆简体/台湾繁体/日本汉字，但又完全是不同的几个字。

所以如果用一些很老的软件，可能会听说有中文版/日文版之类的，对应的版本只能在对应的系统上运行。

后来，这个对操作系统的开发实在是太困难了，因为这意味着不同语言的版本，都要重新编码。于是发明了Unicode。

Unicode这个东西，就是要把地球上所有的语言的符号，都用统一的字符集来表示，一个编码真正做到了唯一。

Unicode里有几种编码方式：

UTF-16BE/LE：UTF-16就是Windows模式的编码模式(Windows里说的Unicode一般都是指这种编码），用2个字节表示任意字符，注意：英文字符也占2个字节（变态不？），这种编码可以表示65536个字符，至于LE和BE，就是一个数值在内存/磁盘上的保存方式，比如一个编码0x8182，在磁盘上应该是0x81 0x82呢？还是0x82 0x81呢？就是高位是最先保存还是最后保存的问题，前者为BE，后者为LE。

UTF-8：UTF-8则是网页比较流行的一种格式：用一个字节表示英文字符，用3个字节表示汉字，准确的说，UTF-8是用二进制编码的前缀，如果某个UTF-8的编码的第一个字节的最高二进制位是0，则这个编码占1字节，如果是110，则占2字节，如果是1110，则占3字节……

二。字符集与编码格式
对于 ASCII、GB 2312、Big5、GBK、GB 18030 之类的遗留方案来说，基本上一个字符集方案只使用一种编码方案。
比如 ASCII 这部标准本身就直接规定了字符和字符编码的方式，所以既是字符集又是编码方案；而 GB 2312 只是一个区位码形式的字符集标准，不过实际上基本都用 EUC-CN 来编码，所以提及「GB 2312」时也说的是一个字符集和编码连锁的方案；GBK 和 GB 18030 等向后兼容于 GB 2312 的方案也类似。
于是，很多人受这些遗留方案的影响而无法理解字符集和编码的关系。

对于 Unicode，字符集和编码是明确区分的。Unicode/UCS 标准首先是个统一的字符集标准。而 Unicode/UCS 标准同时也定义了几种可选的编码方案，在标准文档中称作「encoding form」，主要包括 UTF-8、UTF-16 和 UTF-32。
所以，对 Unicode 方案来说，同样的基于 Unicode 字符集的文本可以用多种编码来存储、传输。
所以，用「Unicode」来称呼一个编码方案不合适，并且误导。

作者: liury 时间: 2015-11-22 21:04
如何验证呢？
1.把下面代码保存到一个文本文体中

#include <stdio.h>
#include <string.h>
int main(){
char *a = "我";
printf("%d",strlen(a));
return 0;
}

复制代码

2. 在终端中用vim打开保存上面代码的文件。
> vim char.c    ( >表示终端中输入）
3.在vim中输入如下  :set fileencoding 会显示当前编码格式。（冒号不能省略）
4.把文件编码改为utf-8    在打开的文件中输入 :set fileencoding=utf-8
冒号不能省，保存文件。
5.编译执行
>gcc char.c
>./a.out
6.重复3-5步，把第四步utf-8改为gb2312
:set fileencoding=gb2312
7.两次打印一个3，一个2

作者: chenxinju 时间: 2015-11-22 21:04
汉字在C语言中我确定占3个. OC 中还不知道还没学到

作者: 正在输入中... 时间: 2015-11-22 21:30
汉字编码所占字节数，与语言没有关系，是与编码方式有关，不过目前知道的编码方式都是2个字节。反正在c语言和OC中都是两个字节，如果你不确定可以打印一下试试，不过OC

作者: 正在输入中... 时间: 2015-11-22 21:37
不过OC中的lenth返回的是个数，而不是字节数，如果想看字节数需要转换成c的然后在看。。。。

作者: susie_cc 时间: 2015-11-22 21:51
Xcode默认的中文编码格式是UTF-8，一个汉字占3个字节，所以在用Xcode的编写C语言程序的话，一个汉字也是3个字节，如果是GB2312，GBK德编码格式，一个汉字就占用2个字节。

作者: 石油小硕 时间: 2015-11-22 23:06
我只知道在C中占3个字节

作者: 陈同英 时间: 2015-11-22 23:18
很不错，谢谢楼主分享！！

作者: 心程变 时间: 2015-11-23 09:39

liury 发表于 2015-11-22 21:04
如何验证呢？
1.把下面代码保存到一个文本文体中

嗯，回答的很详细，谢谢

作者: 心程变 时间: 2015-11-23 09:55

liury 发表于 2015-11-22 20:55
这是编码的问题，跟OC与C没关系。
Xcode中中文占用3个字节，因为在utf－8里面中文要3个字节。C中占2个字节 ...

这。。。。谢谢回答

作者: 心程变 时间: 2015-11-23 09:58

MillerD 发表于 2015-11-22 20:13
C好像是三个

我回头看了一下老师讲的，在xcode中，C占1个字节，OC占3个字节

作者: 心程变 时间: 2015-11-23 09:59

石油小硕发表于 2015-11-22 23:06
我只知道在C中占3个字节

在xcode中，C的一个汉字好像占1个字节

作者: 心程变 时间: 2015-11-23 10:00

正在输入中... 发表于 2015-11-22 21:30
汉字编码所占字节数，与语言没有关系，是与编码方式有关，不过目前知道的编码方式都是2个字节。反正在c语言 ...

嗯，对，这个说的有道理

作者: lujia1010 时间: 2015-11-23 10:19
前面都分析好详细啊，学习一下

作者: 正在输入中... 时间: 2015-11-23 23:44

心程变发表于 2015-11-23 10:00
嗯，对，这个说的有道理

英雄所见略同。。。以后多多交流学习哈、、、、

作者: 杨立鹏 时间: 2015-11-24 09:11
前面的说的都很详细啊

作者: 刘耀宗 时间: 2015-11-27 23:44
C3哥。OC一个

作者: 刘耀宗 时间: 2015-11-27 23:45
C3哥。OC一个

作者: 刘耀宗 时间: 2015-11-27 23:46
C三个OC一个

作者: 刘炼1993 时间: 2015-11-27 23:46
3个字节 oC1个字节

作者: hjy0260 时间: 2016-10-3 10:53
刚好，我也在想这个问题！先看看回复

作者: hjy0260 时间: 2016-10-3 10:55

liury 发表于 2015-11-22 21:04
如何验证呢？
1.把下面代码保存到一个文本文体中

讲的很详细啊！大赞！！！

作者: hjy0260 时间: 2016-10-3 10:56

liury 发表于 2015-11-22 20:55
这是编码的问题，跟OC与C没关系。
Xcode中中文占用3个字节，因为在utf－8里面中文要3个字节。C中占2个字节 ...

讲得太详细了，后面完全不懂，看前面就可以了

作者: will123 时间: 2016-10-3 23:31
222222222.

作者: 绕指柔荑 时间: 2016-10-11 13:34
C中3个字节 OC中2个字节

作者: 绕指柔荑 时间: 2016-10-11 13:35

心程变发表于 2015-11-23 09:59
在xcode中，C的一个汉字好像占1个字节

...
C中汉字占3个字节...{:3_58:}

欢迎光临黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2