汉字在计算机内存中，到底是以啥形式存在的？

Posted 2023-05-17

“王”这个字符串在内存中到底是以Unicode的编码形式存在呢？，还是以UTF-8编码的形式存在呢？又是如何打印输出的呢？

我理解的流程是：
第一步：保存
以UTF-8编码保存，那么文件里面的每个字符，都会从Unicode字符集中找到对应的码位，找到“王”的Unicode字符集的码位是0x0000738B，对应的Unicode编码就是
0000 0000 0000 0000 0111 0011 1000 1011，然后按UTF-8编码规则转换成 1110 0111 1000 1110 1000 1011。也就是说“王”这个字符是以1110 0111 1000 1110 1000 1011
这样的二进制编码存在的。

第二步：读取文件数据到内存

那么就要把文件数据流读取到内存，此时计算机得到的“王”的编码是 1110 0111 1000 1110 1000 1011 ，而文件头告诉了计算机这是UTF-8编码，所以此时计算机就会根据UTF-8的规则，再转成实际的Unicode编码，也就是这个0000 0000 0000 0000 0111 0011 1000 1011。这个过程也叫解码。
“王”在计算机内存中实际存储的编码是0000 0000 0000 0000 0111 0011 1000 1011。

第三步：打印输出
既然计算机拿到了“王”的Unicode编码是0000 0000 0000 0000 0111 0011 1000 1011，那就知道“王”的码位是什么，因此就可以在Unicode字符集找到对应的字符，然后输出到控制台，用户就可以用肉眼看到字符了。

字符的保存、读取、输出流程是这样吗？

大体上没错。保存在硬盘上的就是01编码。用unicode编码的。gbk编码，utf8编码的汉字。编码是不一样的。
读出来编码。再从你电脑使用的默认字体里找到对应的图形显示出来。 参考技术A 汉字编码方式很多，有国标码（GB2312_1980)，大五码，GBK,简体18030，区位码，电报码，还有它们的变形：unicode 大端小端码,UTF-8，UTF-*,HZ 等等。

内码特点 ：二进制双字节，每字节用到8bits.

输入原理,把连续输入的ASCII字符串，通过中文输入软件转化为双字节 中文内码。

输出原理，从 双字节中文内码 查出 字体（font)和 “刻痕",放大/缩小,在频幕或纸上显示打印出来。

hdu 2030

PS:原本这道题就空了好久...今天才去查了下汉字机内码... 然后才知道了.

1—— 一个汉字在字符串中是以两个负的字符形式存储，所以本题只要把字符串中负字符的个数找出来，再

除以2 就OK了。

2——汉字机内码在计算机的表达方式的描述是，使用二个字节，每个字节最高位一位为1。 计算机中， 补码第一位是符号位， 1 表示为 负数， 所以 汉字机内码的每个字节表示的十进制数都是负数

 代码:

#include "stdio.h"
#include "string.h"
int main(){
 int num,n,s,j,i;
 char a[200];
 while(~scanf("%d",&n)){
  getchar();
  for(i=0;i<n;i++){
   gets(a);
   s=strlen(a);
   num=0;
   for(j=0;j<s;j++){
    if(a[j]<0){
     num++;
     j++;
    }
   }
   printf("%d\n",num);  
  }
 }
 return 0; 
}