问题
C语言中汉字如何存储？梳理思路！
答案
在计算机中，一个英文字符占1个字节，汉字占两个字节，如果用char字符数组存储字符时，需要在最后面自动加上一个字节的结束符“\0”
汉字转进制输出
比如：
//英文字符，占4个字节
char Info[] = "abc";
printf("%s\n",Info);
printf("Info长度：%d\n",sizeof(Info));
//中文，占5个字节
char Han[]="中国";
printf("%s\n",Han);
printf("Han长度：%d\n",sizeof(Han));
不同的编码方式，汉字存储的字节数量不同，比如：
GB2312编码：一个汉字两个字节
UTF-8编码： 一个汉字三个字节
GBK编码：一个汉字两个字节
UTF-16：一个汉字3个字节
GB2312 --> GBK --> GB18030 是中文编码的三套方案，出现的时间从早到晚，收录的字符数目依次增加，并且向下兼容。GB2312 和 GBK 收录的字符数目较少，用 1~2个字节存储；GB18030 收录的字符最多，用1、2、4 个字节存储。
1) 从整体上讲，GB2312 和 GBK 的编码方式一致，具体为：
- 对于 ASCII 字符，使用一个字节存储，并且该字节的最高位是 0，这和 ASCII 编码是一致的，所以说 GB2312 完全兼容 ASCII。
- 对于中国的字符，使用两个字节存储，并且规定每个字节的最高位都是 1。
例如对于字母A，它在内存中存储为 01000001；对于汉字中，它在内存中存储为 11010110 11010000。由于单字节和双字节的最高位不一样，所以字符处理软件很容易区分一个字符到底用了几个字节。
2) GB18030 为了容纳更多的字符，并且要区分两个字节和四个字节，所以修改了编码方案，具体为：
- 对于 ASCII 字符，使用一个字节存储，并且该字节的最高位是 0，这和 ASCII、GB2312、GBK 编码是一致的。
- 对于常用的中文字符，使用两个字节存储，并且规定第一个字节的最高位是 1，第二个字节的高位最多只能有一个连续的 0（第二个字节的最高位可以是 1 也可以是 0，但是当它是 0 时，次高位就不能是 0 了）。注意对比 GB2312 和 GBK，它们要求两个字节的最高位为都必须为 1。
- 对于罕见的字符，使用四个字节存储，并且规定第一个和第三个字节的最高位是 1，第二个和第四个字节的高位必须有两个连续的 0。
例如对于字母A，它在内存中存储为 01000001；对于汉字中，它在内存中存储为 11010110 11010000；对于藏文གྱུ，它在内存中的存储为 10000001 00110010 11101111 00110000。
字符处理软件在处理文本时，从左往右依次扫描每个字节：
- 如果遇到的字节的最高位是 0，那么就会断定该字符只占用了一个字节；
- 如果遇到的字节的最高位是 1，那么该字符可能占用了两个字节，也可能占用了四个字节，不能妄下断论，所以还要继续往后扫描：
- 如果第二个字节的高位有两个连续的 0，那么就会断定该字符占用了四个字节；
- 如果第二个字节的高位没有连续的 0，那么就会断定该字符占用了两个字节。
可见，当字符占用两个或者四个字节时，GB18030 编码要检测两次，处理效率比 GB2312 和 GBK 都低。
GBK 于 1995 年发布，这一年也是互联网爆发的元年，国人使用电脑越来越多，也许是 GBK 这头猪正好站在风口上，它就飞起来了，后来的中文版 Windows 都将 GBK 作为默认的中文编码方案。
注意，这里我说 GBK 是默认的中文编码方案，并没有说 Windows 默认支持 GBK。Windows 在内核层面使用的是 Unicode 字符集（严格来说是 UTF-16 编码），但是它也给用户留出了选择的余地，如果用户不希望使用 Unicode，而是希望使用中文编码方案，那么这个时候 Windows 默认使用 GBK（当然，你可以选择使用 GB2312 或者 GB18030，不过一般没有这个必要）。
汉字编码输出
汉字编码并输出示例：
//汉字编码
unsigned char Han[]="中国";
printf("汉字：%s\n",Han);
printf("十六进制:");
for(int i=0;i<4;i++)
{
printf("%X",Han[i]);
}
printf("\n十进制：");
for(int i=0;i<4;i++)
{
printf("%d",Han[i]);
}
汉字编码输出存储
汉字编码存储示例：
//汉字编码存储
unsigned char Han[] = "中国";
FILE* fp = fopen("out.txt", "w");//输出
printf("汉字：%s\n", Han);
fputs("十六进制:", fp);
for (int i = 0; i < 4; i++)
{
fprintf(fp, "%X", Han[i]);
}
fseek(fp, 0, SEEK_END);
fputs("\n十进制:", fp);
for (int i = 0; i < 4; i++)
{
fprintf(fp, "%d", Han[i]);
}
fclose(fp);
参考
1、汉字的存储
3、C语言:GB2312编码和GBK编码，将中文存储到计算机
标签：字符,存储,字节,Han,GBK,汉字,GB2312 来源： https://www.cnblogs.com/pam-sh/p/15034330.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。