字符编码基本介绍

基础概念

• 字符

   任何一个文字或符号都是一个字符，不同的编码导致一个字符所占的内存不同。
  

• 字符集

   字符的集合就叫字符集。
  

• 字符编码(charset encoding，简写为 encoding)

   1. 定义字符集中的字符如何编码为特定的二进制数。
   2. 字符集和字符编码一般一一对应，GBK 字符集对应 GBK 编码，
   3. ASCii 字符集对应 ASCii 编码。
   4. Unicode 字符集有 UTF-8、UTF-16 和 UTF-32 三种编码方式。
  

编码介绍

• Unicode编码

  Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

• UTF-8
  它并不是字符集，UTF-8就是在互联网上使用最广的一种Unicode的实现方式。UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
  UTF-8的编码规则很简单，只有二条：
  1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。ASCII码表示英文，范围0-127，用7位表示。

使用

• 计算机里面怎么使用编码
  1）在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。
  2）场景：
  用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。
  3）拓展：
  记事本默认保存的编码是ANSI，ANSI也叫多字节字符集，ANSI其实不是一种编码方式，是所有使用不定长字节来表示字符的编码格式的统称，在简体中文Windows操作系统上，ANSI指的是GBK编码，在繁体中文Windows操作系统中，ANSI编码代表Big5；在日文Windows操作系统中，ANSI 编码代表 JIS 编码。当然你用可以更改记事本的保存格式。Unicode同理，Unicode是一个字符集，不是一个编码方式，在windows这边，Unicode指的是UTF-16，在其他环境下，可能指的是UTF-8或UTF-32,比如linux上指的是utf-8.

• 文件编码与程序编码
  1）文件编码是你当前在编辑源代码时，代码里的字符串是以什么样的编码存储，这也是为什么很多人在windows上写的代码到linux下进行编译就会出现乱码以及编译器无法解析的字符串，一些莫名其妙的问题。
  2）程序编码是程序运行之后在处理字符串时所使用的编码。
  vs设置程序编码：
  Visual Studio 默认编码为utf-8。
  

• QString编码方式和中文乱码解决方法
  1）QString的内部编码方式是unicode，utf-16编码,当char* 或std::string 转换成-QString时，默认char* 或std::string的编码方式为UTF-8。
  2）中文乱码：qt中的fromLocal8Bit()函数可以设置编码；可以实现从本地字符集GB到Unicode的转换，从而处理汉语显示乱码等问题。windows默认使用（GBK/GB2312/GB8030）。

QString str2qstr(const string str)
{
    return QString::fromLocal8Bit(str.data());
}

string qstr2str(const QString qstr)
{
    QByteArray cdata = qstr.toLocal8Bit();
    return string(cdata);
}