逆向——字符与字符串，中文字符GB2312编码由来

字符与字符串

在之前的课程中我们了解到变量的定义决定两个事情，第一是决定存储的数据宽度，第二是决定了存储的数据格式，那么我们来看下下面的代码：

int a = 123; // 变量x，数据宽度为4个字节，里面存储的是补码（在计算机系统中，数值一律用补码来存储）

int float b = 123.4F; // IEEE编码（浮点）

int c = 'A'; // 那这个存储的是啥？

 

我们在代码中写了变量c，但是它最终存储进去的是啥呢？我们看下反汇编：

在这里'A'存储的时候变成了0x41，这是为什么？因为它是一个字符，这里需要注意在变量定义赋值时，赋值字符需要加上单引号。

在内存中所有东西最终都会变成0和1，A对应0x41，那么可以大胆猜测一下B就是对应0x42，当我们使用字符存储到内存时，字符自然是没办法存储到内存中的，这时候就有了一个字符对应的表：ASCII表（美国标准信息交换代码）

这张表有128个符号，都是比较常用的，那也就是说在我们赋值A给变量时，编译器会去这张表中寻找大写的A，如上图所示A对应10进制为65，转为16进制就是0x41。

值得注意的是在这张表中最多也就是占用一个字节的宽度，所以我们完全没有必要使用int来存储字符，可以选择char，例如：char a = 'A';

在很多书中会描述char就是用来存储字符的，这是一个错误的说法，数据的存储是由使用者决定的而不是计算机。

C语言会自带很多函数提供我们使用，我们想要在控制台中输出一个字符，可以使用putchar这个函数：

putchar(65);

putchar('A');

如上代码就是输出一个字符A，这样我们就了解了这个函数的运行本质：将对应数从ASCII表中查出画在(打印)控制台上；需要注意该函数一次只能打印一个字符。

除了这个函数外还有一个打印输出的函数：printf，它就可以一次性打印多个字符。

#include <stdio.h>

 

void main()

{

printf("Hello World!\n");

 

int x = 0xFFFFFFFF;

printf("%d %u %x\n",x,x,x);

// -1 4294967295 ffffffff

 

float f = 3.1415F;

printf("%6.2f\n",f);

// 3.14

}

使用printf函数需要在代码开头写#include <stdio.h>，三个printf分别表示输出字符串、整数、浮点数。

有心之人可能会发现在使用printf函数时，有好几个百分号的东西，这就叫做占位符，一共分为如下这几种：

%d 有符号数形式打印

%u 无符号形式打印

%x 16进制形式打印

%{x.y}f 打印浮点数 x标志打印总长度 y 代表小数点后长度

看过示例代码之后，我们就知道了字符串本质上就是一堆字符连续串在一块，观察一下反汇编代码：

这时候就存在一个问题，printf为什么会知道打印完最后一个感叹号之后就不打印了呢？这是因为在这一串字符串后存在着一个00，当printf看见之后就会停止打印了，也就是说字符串的结束标志在内存中是00。

我们想使用char类型来存储字符串，就需要用到数组，例如：

char buffer[20] = "Hello World!";

printf("%s\n",buffer);

这就表示buffer可以存储20个字符，%s是占位符，表示以字符串形式打印，关于数组的细节后面的课程中会学习到，这里了解一下即可。

中文字符

在之前了解到ASCII码表中，我们并没有发现存在中文，那么如何在计算机中存储中文？这时候我们需要了解一个新的表：拓展ASCII码表 (EASCII)

该表十进制值从128到255，但是这些也没办法满足我们中文的需求，所以天朝专家把那些127号后的奇异符号们 (即EASCII)取消掉，规定：一个小于127的字符意义与原来相同，但是两个大于127的字符连在一起时，就表示一个汉字，这样我们就可以组合出大约7000多个简体汉字了。

在这些编码里，连在ASCII里本来就有的数字、标点、字母都统统编了两个字节长的编码，这就是常说的”全角“字符，而原来在127号以下的那些就叫”半角“字符了，上述编码规则就是GB2312或GB2312-80。

GB2312或GB2312-80，两种编码可能使用相同的数字代表两个不同的符号，或者使用相同的数字代表不同的符号，这种编码方式有很大的弊端，当此种编码方式的数据在其他国家使用的时候，如果其他国家使用类似的编码规则，那么数据就会失去原本的意义。

而前辈们早就发现了这种情况，因此Unicode编码就是为了解决这个问题才出现的。

在C语言中写入中文与其他字符串没区别，但我们了解过GB2312或GB2312-80编码规则后，就要知道一个中文代表2个字节：

char buffer[20] = "中国";

printf("%s\n",buffer);