技術標籤：ascii碼c語言unicodec語言中文網c語言計算程式執行時間delphi 中文轉 ascii編碼gbk編碼線上轉換

C語言是 70 年代的產物，那個時候只有 ASCII，各個國家的字元編碼都還未成熟，所以C語言不可能從底層支援 GB2312、GBK、Big5、Shift-JIS 等國家編碼，也不可能支援 Unicode 字符集。稍微有點C語言基本功的讀者可能認為C語言使用 ASCII 編碼，字元在儲存時會轉換成對應的 ASCII 碼值，這也是錯誤的，你被大學老師和教材誤導了！在C語言中，只有 char 型別的窄字元才使用 ASCII 編碼，char 型別的窄字串、wchar_t 型別的寬字元和寬字串都不使用 ASCII 編碼！wchar_t 型別的寬字元和寬字串使用 UTF-16 或者 UTF-32 編碼，這個在上節已經講到了，現在只剩下 char 型別的窄字串(下面稱為窄字串)沒有講了，這就是本節的重點。對於窄字串，C語言並沒有規定使用哪一種特定的編碼，只要選用的編碼能夠適應當前的環境即可，所以，窄字串的編碼與作業系統和編譯器有關。但是，可以肯定的說，在現代計算機中，窄字串已經不再使用 ASCII 編碼了，因為 ASCII 編碼只能顯示字母、數字等英文字元，對漢語、日語、韓語等其它地區的字元無能為力。討論窄字串的編碼要從以下兩個方面下手。

原始檔使用什麼編碼

原始檔用來儲存我們編寫的程式碼，它最終會被儲存到本地硬碟，或者遠端伺服器，這個時候就要儘量壓縮檔案體積，以節省硬碟空間或者網路流量，而程式碼中大部分的字元都是 ASCII 編碼中的字元，用一個位元組足以容納，所以 UTF-8 編碼是一個不錯的選擇。UTF-8 相容 ASCII，程式碼中的大部分字元可以用一個位元組儲存；另外 UTF-8 基於 Unicode，支援全世界的字元，我們編寫的程式碼可以給全球的程式設計師使用，真正做到技術無國界。常見的 IDE 或者編輯器，例如 Xcode、Sublime Text、Gedit、Vim 等，在建立原始檔時一般也預設使用 UTF-8 編碼。但是 Visual Studio 是個奇葩，它預設使用本地編碼來建立原始檔。 所謂本地編碼，就是像 GBK、Big5、Shift-JIS 等這樣的國家編碼(地區編碼)；針對不同國家發行的作業系統，預設的本地編碼一般不同。簡體中文字的 Windows 預設的本地編碼是 GBK。 對於編譯器來說，它往往支援多種編碼格式的原始檔。微軟編譯器、GCC、LLVM/Clang(內嵌於 Xcode 中)都支援 UTF-8 和本地編碼的原始檔，不過微軟編譯器還支援 UTF-16 編碼的原始檔。如果考慮到原始檔的通用性，就只能使用 UTF-8 和本地編碼了。

窄字串使用什麼編碼

前面講到，用 puts 或者 printf 可以輸出窄字串，程式碼如下：

#include int main(){    puts("C語言中文網");    printf("http://c.biancheng.net");    return 0;}

"C語言中文網" 和 "http://c.biancheng.net" 就是需要被處理的窄字串，程式執行後，它們會被載入到記憶體中。你看，這裡面還包含了中文，肯定不能使用 ASCII 編碼了。 1) 微軟編譯器使用本地編碼來儲存這些字元。不同地區的 Windows 版本預設的本地編碼不一樣，所以，同樣的窄字串在不同的 Windows 版本下使用的編碼也不一樣。對於簡體中文版的 Windows，使用的是 GBK 編碼。2) GCC、LLVM/Clang 編譯器使用和原始檔相同的編碼來儲存這些字元：如果原始檔使用的是 UTF-8 編碼，那麼這些字元也使用 UTF-8 編碼；如果原始檔使用的是 GBK 編碼，那麼這些字元也使用 GBK 編碼。你看，對於程式碼中需要被處理的窄字串，不同的編譯器差別還是挺大的。不過可以肯定的是，這些字元始終都使用窄字元(多位元組字元)編碼。正是由於這些字元使用 UTF-8、GBK 等編碼，而不是使用 ASCII 編碼，所以它們才能包含中文。那麼，為什麼很多初學者會誤認為C語言使用 ASCII 編碼呢？不管是在課堂跟著老師學習，還是通過網際網路自學，初學者都是從處理英文開始的，對於英文來說，使用 GBK、UTF-8、ASCII 都是一樣的，GBK、UTF-8 都相容 ASCII，初學者根本察覺不出用了哪種編碼。另外，很多大學老師和書籍作者也經常會念叨，字元在儲存時會被轉換成對應的 ASCII 碼，在讀取時又會從 ASCII 碼轉換成對應的字元實體，大家需要熟悉 ASCII 編碼，它是C語言處理字元的基礎，這從很大程度上給初學者造成一種錯誤印象：C語言和 ASCII 編碼是繫結的，C語言使用 ASCII 編碼。

總結

對於 char 型別的窄字元，始終使用 ASCII 編碼。對於 wchar_t 型別的寬字元和寬字串，使用 UTF-16 或者 UTF-32 編碼，它們都是基於 Unicode 字符集的。對於 char 型別的窄字串，微軟編譯器使用本地編碼，GCC、LLVM/Clang 使用和原始檔編碼相同的編碼。另外，處理窄字元和處理寬字元使用的函式也不一樣：

• 標頭檔案中的 putchar、puts、printf 函式只能用來處理窄字元；
• 標頭檔案中的 putwchar、wprintf 函式只能用來處理寬字元。

你看，僅僅是字元的處理，C語言就能玩出這麼多花樣，讓人捉摸不透，不容易學習。這是因為，C語言是一種較為底層和古老的語言，既有歷史遺留問題，又有貼近計算機底層的特性。不過，一旦搞明白這些繁雜的底層問題，你的程式設計內功將精進一個層次，這也許就是學習C語言的樂趣。

【拓展】編碼字符集和執行字符集

站在專業的角度講，原始檔使用的字符集被稱為編碼字符集，也就是寫程式碼的時候使用的字符集；程式中的字元或者字串使用的字符集被稱為執行字符集，也就是程式執行後使用的字符集。原始檔需要儲存到硬碟，或者在網路上傳輸，使用的編碼要儘量節省儲存空間，同時要方便跨國交流，所以一般使用 UTF-8，這就是選擇編碼字符集的標準。程式中的字元或者字串，在程式執行後必須被載入到記憶體，才能進行後續的處理，對於這些字元來說，要儘量選用能夠提高處理速度的編碼，例如 UTF-16 和 UTF-32 編碼就能夠快速定位(查詢)字元。編碼字符集是站在儲存和傳輸的角度，執行字符集是站在處理或者操作的角度，所以它們並不一定相同。