字符串长度

字符串长度

我记得C#的面试题屡屡出现求字符串的长度的：

string hi = "hi广州"; string res = String.Format(@"{{""data"":""{0}""}}", hi.Length //4 + "," + Encoding.ASCII.GetBytes(hi).Length //4 + "," + Encoding.GetEncoding("gb2312").GetBytes(hi).Length //6，每个汉字gb2312编码为2字节 + "," + Encoding.GetEncoding("utf-8").GetBytes(hi).Length //8，每个汉字utf-8编码为3字节 );

ASCII

美国人将拉丁字符与二进制对应起来。一个字节8位，用了前面7位，最高位为0，因此可以对应128个字符。

扩展ASCII

ASCII码对应128个西文，但欧洲有些国家的字母未能包含在内，于是利用闲置的最高位，可多对应128个字符，多出来的字符编码成为扩展编码。不同国家，例如法国、俄国，其扩展编码就不一样。

ANSI

为使计算机支持更多语言，通常使用 0x80~0xFF 范围的 2 个字节来表示 1 个字符。比如：汉字 '中' 在中文操作系统中，使用 [0xD6,0xD0] 这两个字节存储。

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。

Unicode

又叫万国码，统一码，使用它，妈妈再也不用担心地球上会有字符遗漏。

但是，Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。什么意思呢？

比如，汉字“严”的unicode是十六进制数4E25，转换成二进制数足足有15位（100111000100101），也就是说这个符号的表示至少需要2个字节。那么这里是用2个字节，还是3个字节来存储呢？字节的顺序是怎样的呢（所谓的大头、小头方式）？因此就有了 UTF-8，UTF-16，UTF-32等等具体编码方式。

UTF

UTF-8最流行，因为其可变长，对应ASCII码字符1个字节，汉字3个字节，等等；而UTF-16固定双字节，利于传输。

参考资料

​​http://cppblog.com/qiujian5628/archive/2008/01/24/41773.html​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。