從程式亂碼開始談談字元編碼

參考《字元，位元組和編碼》

來自：http://www.regexlab.com/zh/encoding.htm

##########################################################################################

e.g. 一段c程式

puts("中文"); // 0xd6 0xd0 0xce 0xc4;

實際上告訴顯示系統 尋找這個串[d6d0cec400] 的字元圖形，顯示到螢幕上。

問題：

1，預設的語言環境，也就是ansi是什嗎？

2，有沒有使用指定ansi字元編碼來索引圖形的字型檔？

3，指定的這個ansi可以正確解碼以上這個byte序列嗎？

4,  運行時候setlocal()什麼時候會起作用？

思考：

1，編寫這段程式的系統的預設ansi是什嗎？或者說儲存這份檔案的編碼是什嗎？這決定了c語言的多位元組字串如何在二進位程式裡面儲存。

2，編譯時間候，為了讓編譯器能夠正確處理多位元組字串的字面值，e.g. “中文”， 編譯選項裡應該指明(--encoding ???)和源碼儲存時候一致的編碼。

3，或者讓編譯器可以從源碼中探測到源檔案的儲存編碼（BOM, #pragma setlocal(???)），以便於理解源檔案中的多位元組字串。

4,  運行時候setlocal(???)必須指定和二進位中字串一樣的ansi編碼。

實驗：

//#pragma setlocal(.950)#include <stdio.h>#include <locale.h>int main(void){//setlocale(LC_ALL, ".950");printf("中華");return 0;}

中文windows（ansi是chs_chn.936）下的專案檔一般都是gbk編碼的（vs預設擷取系統的ansi來建立源檔案的編碼）.

移植到linux下可以在Makefile裡面設定gcc --input-charset=GBk -c gbk_src.c -o utf-8_obj.o

關於目標檔案中字串編碼：

-fexec-charset，c檔案裡面的常量字串"abc$中文"轉碼成指定的編碼以後儲存。

-fwide-exec-charset，指定wchar_t x [] = L"中文"; x的儲存方式，linux預設是ucs-4be，因為預設的wchar_t是4個位元組的。如果你指定的-fshort-wchar_t會造成二進位上的不一致。