作者以前在Windows平臺編程時，對於字符串顯示中文以及不同的字符集編碼格式不太理解。最近編寫資料用到這部分知識，便通過自己的分析和參考資料做了簡單運用，下面我們一起分析常用的編碼集與中文編碼！
章節預覽：
1.字符數組存儲GB2312中文編碼
2.GB2312標準
3.輸出亂碼原理
4.整數存儲GB2312中文編碼
5.Uncode
6.UTF-8
7.整數存儲UTF-8中文編碼
章節內容：
字符數組存儲GB2312中文編碼：
首先，我們通過字符數組輸出“你好”，參考代碼：
unsigned char testch[4] = {0};
memcpy(testch, “你好”, strlen(“你好”));
printf("%s|", testch);
得出的結果爲：你好燙燙燙燙
|
首先，我們分析testch輸出的信息：
我們定義一個256字節的字符數組保存testch值：
unsigned char testch2[256] = {0};
memcpy(testch2, testch, 255);
展開testch2：
- testch2 0x00aff9f0 "你好燙燙燙燙
" unsigned char [256]
[0] 196 ‘?’ unsigned char
[1] 227 ‘?’ unsigned char
[2] 186 ‘?’ unsigned char
[3] 195 ‘?’ unsigned char
[4] 204 ‘?’ unsigned char
[5] 204 ‘?’ unsigned char
[6] 204 ‘?’ unsigned char
[7] 204 ‘?’ unsigned char
[8] 204 ‘?’ unsigned char
[9] 204 ‘?’ unsigned char
[10] 204 ‘?’ unsigned char
[11] 204 ‘?’ unsigned char
[12] 10 ’
’ unsigned char
[13] 0 unsigned char
Byte13值爲0，程序輸出的testch信息到這裏終止。
然後，我們分析testch輸出的信息內容：
GB2312規定對匹配的每個字符采用兩個字節表示，在VS2010編譯器中可以這麼認爲(與GB2312標準定義有出入)：
當前字節值爲0-128時，採用國際Ascll碼錶方式計算，當前字節信息會以Ascll碼錶對應符顯示；
當前字節值大於或等於129時，後面的一個字節與當前字節被認爲是一個GB2312編碼匹配(採用兩個字節位數合併成一個16位數字(低字節在低8位，高字節在高8位))，數字值如果在GB2312編碼內，將顯示GB2312中的對應信息，否則(數字值如果不在GB2312編碼內)按照單個字節顯示。
GB2312標準：
GB2312是中國主要官方字符集的註冊名稱，用於簡體中文字符。GB縮寫爲國家標準，由中國國家標準總局1980年發佈，1981年5月1日開始使用。GB2312編碼共收錄漢字6763個，其中一級漢字3755個，二級漢字3008個。
GB2312規定對收錄的每個字符采用兩個字節表示，第一個字節爲“高字節”，對應94個區；第二個字節爲“低字節”，對應94個位，所以它的區位碼範圍是：0101－9494。區號和位號分別加上0xA0就是GB2312編碼。例如最後一個碼位是9494，區號和位號分別轉換成十六進制是5E5E，0x5E+0xA0＝0xFE，所以該碼位的GB2312編碼是FEFE。
GB2312編碼範圍爲0xA1A1—0xFEFE，其中漢字的編碼範圍爲0xB0A1-0xF7FE，第一字節0xB0-0xF7(對應區號：16——87)，第二個字節0xA1-0xFE(對應位號：01—94)。
輸出亂碼原因：
當我們使用字符數組存儲信息並且沒有做字符串結尾(最後一個字節置爲空字符)時，將會發生“內存訪問越位”的情況，因爲，VS2010編譯器會自動把未使用的棧內存空間按字節全部初始化爲0xCC(無符號204)，當兩個字節都爲0xCC時，顯示爲GB2312編碼中的“燙”漢字。
整數存儲GB2312中文編碼：
unsigned short：
在32位編譯器中，一個unsigned short類型佔用2個字節，我們可以通過unsigned short數組保存數據，並輸出“你好”：
unsigned short sho[3] = {58308,50106,0};
printf("%s", sho);
第一個值：58308 轉成二進制數字爲 1110 0011，1100 0100，中文“你”；
第二個值：50106 轉成二進制數字爲 1110 0011，1011 1010，中文“好”；
第三個值：作爲空字符使用。
位數順序：左高右低。
unsigned int：
在32位編譯器中，一個unsigned int類型佔用4個字節，輸出“你好”：
unsigned int sho[2] = {3283805124,0};
printf("%s", sho);
第一個值：3283805124 轉成二進制數字爲 1100 0011 1011 1010，1110 0011 1100 0100，中文“你好”；
第二個值：作爲空字符使用。
使用unsigned int類型存儲GB2312數據時，採用2個字節爲一組，3、4字節(中文“好”)在左，1、2字節(中文“你”)在右， 組內順序也是左高右低。
long long：
在大部分編譯器中，一個long long類型佔用8個字節，輸出“你好呀”：
long long sho = 208708629619652;
printf("%s", &sho);
參數值：208708629619652 或 十六進制 0xBDD1C3BAE3C4 轉成二進制數字爲：
1011 1101 1101 0001，1100 0011 1011 1010，1110 0011 1100 0100，中文“你好呀”；
使用long long類型類型存儲GB2312數據時，存儲形式與int相同。示例中我們只輸出3個GB2312字符，6、7字節爲空字符使用。
在這裏我們可以看出使用無符號類型和有符號類型輸出的結果相同，大部分示例中採用無符號類型只是爲了方便參考數據。
Uncode：
在非 Unicode 環境下，由於不同國家和地區採用的字符集不一致，很可能出現無法正常顯示所有字符的情況。微軟公司使用了代碼頁(Codepage)轉換表的技術來過渡性的部分解決這一問題，即通過指定的轉換表將非 Unicode 的字符編碼轉換爲同一字符對應的系統內部使用的 Unicode 編碼。
MultiByteToWideChar是一種windows API 函數，該函數映射一個字符串到一個寬字符（Unicode）的字符串。
UTF-8：
UTF-8是針對Unicode的一種可變長度字符編碼，它可以用來表示Unicode標準中的任何字符，UTF-8將每個Unicode字符編碼爲1到4個八位字節的可變數字，其中八位字節的數目取決於分配給Unicode字符的整數值。這是對Unicode文檔的有效編碼，主要使用US-ASCII字符，因爲它將範圍在U + 0000到U + 007F之間的每個字符表示爲一個八位字節。
整數存儲UTF-8中文編碼：
long long：
由於UTF-8字符集存在字節不確定因素，直接使用long long類型輸出“你好”：
system(“chcp 65001”); //在VS2010編譯器中，我們選擇向控制檯輸出UTF-8信息
long long sho = 208520219770340;
printf("%s", &sho);
參數值：208520219770340 或十六進制 0xBDA5E5A0BDE4 轉成二進制數字爲：
1011 1101 1010 0101 1110 0101， 1010 0000 1011 1101 1110 0100，中文“你好”；
示例中“你”、“好”分別佔用三個字節，6、5、4字節(中文“好”)在左，3、2、1字節(中文“你”)在右， 組內順序也是左高右低。
