中文字符占用字节即相关原理(实现中文(中英混合)字符串的反转)

如有不对欢迎指正。 

目录

 一.ASCLL字符和中文字符

1.使用无符号数表示的原因(对于中文字符)： 

2.但是并不是所有情况都是用无符号数(以下目前只是猜测,如有问题欢迎指正) ：

1. 什么时候使用无符号数表示:     

2. 不需要使用的情况： 

3.我们上面说到的char是有符号类型，可我们平时使用可以直接表示字符呀？ 

 二.对于中文字符，将一个字符串的中文字符传给另一个

三.实现中文字符串的反转 

方法一 :  

方法二:   

---

 一.ASCLL字符和中文字符

char类型

char类型我们在写代码的时候经常会使用,它用于存储定义一个存储字符的变量，但是我们定义char类型一般是用来存放一些英文字符等，这些字符都有一个特点：都是ASCLL中指定的字符。 

说是字符其实存储的是一些二进制数,我们知道一个字节有八位,一位可以存储0，1两个二进制位，所以八位一共可以表示2^8 = 256 个数据，但是，对于ASCLL码我们使用的一般是128个，所以只需要低7位即可存储下。最高位存0即可。（后面新增的(128-255)有些编码可能不兼容）

所以,char定义的变量只能用来存放ASCLL码表中的字符，所以char类型的变量只占一个字节。(因为一个字节就足够表示全部ASCLL码的值,不需要再多占用内存了)。 

那么怎么能让这128个数据和字符对照起来呢，其实就是一个查表的过程(可以看下ASCLL码表) 。

但是，由于历史原因，ASCLL码表中是没有中文字符的， (所以我们无法使用char类型的变量来表示一个中文字符)。为了能够使用中文字符,衍生出了GBK,GB2312等编码字符集，这些字符集兼容ASCLL码字符(只兼容前127个,后新增的不兼容)。

1.使用无符号数表示的原因(对于中文字符)： 

因为ASCLL码字符已经基本占用了一个字节的内存来表示相应的字符,再加上中华文化博大精深,一个字节(最多才256个数据)怎么能放的下我们的汉字呢，所以中文字符使用两个字节来保存(大部分) ，而且为了能够确定你输出的是中文字符，相应编码做出了不同的规定。其中一个是：两个字节的高第一个字节必须为1(这也就说明了,存放这些数据需要一个无符号类型(因为有符号最高位是表示正负的,会出问题)--后面会说到)。GBK和GB2312都是如此。(当然其它不同编码可能会有不同--但是依然使用无符号数进行表示数据)。

2.但是并不是所有情况都是用无符号数(以下目前只是猜测,如有问题欢迎指正) ：

 

1. 什么时候使用无符号数表示:     

当我们需要拿字符对应数据与一些数据进行比较或者运算的时候 

 

2. 不需要使用的情况： 

其实大部分情况下都不需要使用,我们平时也遇到很多,例如: 我们使用一个char a[] = "我爱你",对于这个字符串,就是一个包含7个字节的字符串,每个字节是一个char类型的空间,如果如上述(使用无符号数的原因)我们表示这个字符串,应该使用无符号类型才行,但是使用过的都知道,我们直接去输出这个字符串也是没有问题的。(也就是说,我们使用char这样的符号类型,它也能正确的查表)。

举一个例子,char类型字符的取值范围是 -128  ---  127 ，当我们赋值超过127其就是一个负数了,那么按照上述所说(使用无符号数表示),应该是无法正确表示出字符的。但是经过测试之后发现是没有问题的,(但是由于我们默认使用的代码页(一般为936)，是不包括新增的128-255位ASCLL码,所以输出需要修改代码页(看代码))， 

int main(void)
{
	SetConsoleOutputCP(437);

	char a = 254;

	printf("%c", a);

	system("pause");

	return 0;
}

 

上述代码,进行了代码页的转换,否则无法输出128-255位的ASCLL码数(因为是新增的不兼容),我们看代码 -- 使用char类型,赋值为254,但由于前面char类型的范围,这个值是溢出的,所以实际它的值为:-2, 原码: 1000 0010, 补码: 1111 1110, 我们如果将其补码看作无符号数转换成数字,为254。

当我们以字符形式输出时,会发现可以正常输出,而且正好是ASCLL码第254号位置的字符。 

 就是本图的正方形。

结论:  所以，我们数据在计算机中以补码形式存储,那么计算机在查表时(表中为无符号数),不会区分正负,只是看该数据与表中哪个数据对应,然后输出对应的字符。只有在我们使用数据计算，比较，以有符号数输出时才会有明确的正负。建议使用无符号类型。(这些都是自己的猜测,如果不对请指正)。 

所以，这也说明了,如果一个中文字符对应的二进制数据，最高位都为1的话(有符号类型应该是个负数),我们使用char类型输出字符串时却没有问题。 

 

3.对于使用使用无符号数表示字符对应的数据(就是二进制组成的数字),可能会有疑问。 

3.我们上面说到的char是有符号类型，可我们平时使用可以直接表示字符呀？ 

原因 ：  上面说到过,ASCLL一般使用低七位即可,最高位一般为0.

 如图。 作为无符号数,最高位为0的时候为正数,它和其对应的无符号数表示的值是一样的(如果为1就不一样了,多一个负号吗),所以我们平时使用char也是可以的。

 

 二.对于中文字符，将一个字符串的中文字符传给另一个

对于字符串, 定义:  char  s[] = "我爱你";   char s2[100] = {0}(定义了一个占用100字节的数组); 我们要将s指向的字符串拷贝到s2中。

1.2.首先， 我们上面说到一个中文字符占用两个字节,一个char占用一个字节，

 

如上图,一个框子为一个字节(最后\0表示字符串的结束) ,所以对于字符数组,s它存储的字符串虽然只有三个元素,但是它却占七个字节(还有一个字符串结束符)。

从这可以更加直观的看出,为什么不能使用char来打印中文字符了,人家占用两个位置,你只给一个位置,不出问题才怪。 

2.想要将s中的字符串拷贝到s2中,与直接拷贝ASCLL字符不一样,但是也差不多。 

一个汉字占用两个字节,我们只需要将这两个字节按照顺序拷贝到s2中即可。例: s2[0] = s1[0],

s2[1] = s1[1] -- 后面的中文一起类推,最后加一个字符串结束符就可以了。(原因:其实一个汉字,对应的是这两个字节所组成的0，1数字组合,然后对应查表就可得到,此处，我们按照顺序,将这些数字组合拷贝到目标数组--它们的顺序是没有改变的所以对应的还是哪个汉字,所以实现了拷贝) 

对于字符串的输出,编译器使用相应的编码,所以可以输出中文等。 

三.实现中文字符串的反转 

方法一 :  

#include 
#include 
#include 
#include 
#include 

using namespace std;

#define STRTEMPLEN 30

char* exchangeChineseStr(const char* str);

/*字符串常量的值为首字符的地址,使用指针+一个字符占用字节数,可以跳过相应字节输出后面字符串,中文字符一个占用两个
字节,所以+2*/

int main(void)
{
	string str;
	char* result = NULL;

	cout << "请输入一个字符串" << endl;
	cin >> str;

	// 错误检测
	if (cin.fail())
	{
		cerr << "输入失败,原因：" << strerror(errno) << endl;
		exit(1);
	}

	if ((result = exchangeChineseStr(str.c_str())) != NULL)
	{
		printf("%s\n", result);  //输出乱码的原因: 是因为返回了局部变量
	}

	system("pause");

	return 0;
}

char* exchangeChineseStr(const char* str)
{
	if (str == NULL)
	{
		cout << "传入字符串为空" << endl;
		return NULL;
	}

	int len = strlen(str);  // 计算长度
	//printf("%d", len); 

	char strTemp[STRTEMPLEN] = { 0 };
	strcat(strTemp, str);  // 得到字符串的字节数

	char strReturn[STRTEMPLEN] = { 0 };

	//printf("%s\n",strReturn);

	for (int i = len; i > 0; i -= 2)  // 中文字符占两个字节,所以一次加2才能找到下一个字符,否则会出现乱码。
	{
		//printf("%s", strTemp);   
		//printf("%s", strTemp + 4);     
		strcat(strReturn, (strTemp + (i-2)));  
		*(strTemp + (i-2)) = '\0';  // 一个汉字占用两个字节,将这两个字节都设置为0
		*(strTemp + (i-1)) = '\0';
	}

	char* a = strReturn;
	printf("%s\n", a);

	return strReturn;
}

上面的代码,利用了中文字符串占两个字节的特性,从源字符串的尾部,以字符串的形式拼接到目的字符串的尾部,拼接之后将此位置设置成\0，然后再拼接下一位,直至结束。 (如图)

 

 

方法二:   

 此方法可以实现中文和英文混合反转。

#include 
#include 
#include 

using namespace std;

/*实现中英文混合转换-- 由于中英文占用字节数不同,所以需要判断相应字符是英文还是中文*/
void reserve(unsigned char* str); /*对字符串进行反向*/

int main(void)
{
	 unsigned char a[] = "我爱你";


	reserve(a);

	system("pause");

	return 0;
}

void reserve(unsigned char* str)
{
	int len = strlen((char *)str); // 计算传入字符串的字节数
	unsigned char temp[1024]; // 创建一个1024字节的数组,用来临时存放转换后的数组

	// 定义两个指针,分别对str和temp进行操作
	unsigned char* p1 = str;  // p1指向str的开头
	unsigned char* p2 = temp + len; /*因为temp数组很大,但其实我们只需要它能够存放str所占字节数+1就行(因为还有一个结束符),此时p2存放数 据的结尾是,temp+len(首元素+len,就是最后一个位置--存放'\0')*/

	*p2-- = '\0'; // 做后一位为'\0'

	while (*p1)
	{
		if (*p1 < 0x80)   // *p1中的数小于127,说明是英文字符
		{
			*p2-- = *p1++;
		}
		else  // 否则是中文字符
		{
			*(p2 - 1) = *(p1++);
			*p2 = *(p1++);
			p2 -= 2;
		}
	}

	printf("%s", temp);
}

1. 我们要实现中英文混合转换,因为：中文和英文所占用的字节不同,所以转换的方式也有差距,所以，要分情况。 

首先, 我们前面我们说到,汉字的高位都是1,英文为ASCLL码高位为0,如果为无符号,那么汉字的每一个字节都应该大于127(0x80),-- 此处需要与数据进行比较,所以所有字符都定义成无符号类型(不使用无符号会出错,(不使用无符号,那就是有符号,在比较时,汉字对应数据都是负值,都比127小,就都以ASCLL字符算了肯定出错))所以,每一个字节,比127大的都是汉字字符,相反为英文字符,然后按照顺序将字符串拷贝到目标字符串即可。

注意: 因为是逆转,所以要从后向前拷贝,但是中文字符一定要注意,每个字符的每个字节顺序不能乱。