C程序的编码方式

最新推荐文章于 2025-10-09 16:55:16 发布

原创最新推荐文章于 2025-10-09 16:55:16 发布 · 1.7w 阅读

CC 4.0 BY-SA版权

文章标签：

编码是用预先规定的方法将文字、数字或其它对象编成数码。为保证编码的正确性，编码要规范化、标准化，即需有标准的编码格式。

C语言是 70 年代的产物，那个时候只有ASCII，各个国家的字符编码都还未成熟，所以C语言不可能从底层支持 GB2312、GBK、Big5、Shift-JIS等国家编码，也不可能支持 Unicode 字符集。
在C语言中字符有两种，一种是窄字符，另一种是宽字符。
- 只有 char 类型的窄字符才使用 ASCII 编码
- char 类型的窄字符串、宽字符和宽字符串都不使用 ASCII 编码！
可以肯定的说，在现代计算机中，窄字符串已经不再使用 ASCII 编码了，因为 ASCII 编码只能显示字母、数字等英文字符，对汉语、日语、韩语等其它地区的字符无能为力。对于窄字符串，C语言并没有规定使用哪一种特定的编码，只要选用的编码能够适应当前的环境即可，所以，窄字符串的编码与操作系统和编译器有关。

源文件使用什么编码
源文件用来保存我们编写的代码，它最终会被存储到本地硬盘，或者远程服务器，这个时候就要尽量压缩文件体积，以节省硬盘空间或者网络流量，而代码中大部分的字符都是 ASCII 编码中的字符，用一个字节足以容纳，所以 UTF-8 编码是一个不错的选择。

UTF-8 兼容 ASCII，代码中的大部分字符可以用一个字节保存；另外 UTF-8 基于 Unicode，支持全世界的字符，我们编写的代码可以给全球的程序员使用，真正做到技术无国界。
常见的 IDE 或者编辑器使用的编码
- 绝大多数的编译器，如：Xcode、Sublime、Text、Gedit、Vim等，在创建源文件时一般也默认使用 UTF-8 编码。
- 奇葩 Visual Studio 它默认使用本地编码来创建源文件。
- 所谓本地编码，就是像 GBK、Big5、Shift-JIS 等这样的国家编码（地区编码）；针对不同国家发行的操作系统，默认的本地编码一般不同。简体中文本的 Windows 默认的本地编码是 GBK。
- 这就导致 Visual Studio在上传github时，出现中文乱码的现象。需要将文件强制转换成utf-8的编码模式。再进行上传。

ps ：对于使用 Visual Studio 上传github的用户。可以使用本地代码转换器，将GBK->UTF-8，便于在github Desktop中查看（github Desktop 不会转码，中文会出现乱码情况）。不过 github网页的代码会自动转码，不会出现乱码。

1) 微软编译器使用本地编码来保存这些字符。不同地区的 Windows 版本默认的本地编码不一样，所以，同样的窄字符串在不同的 Windows 版本下使用的编码也不一样。对于简体中文版的 Windows，使用的是 GBK 编码。

2) GCC、LLVM/Clang 编译器使用和源文件相同的编码来保存这些字符：如果源文件使用的是 UTF-8 编码，那么这些字符也使用 UTF-8 编码；如果源文件使用的是 GBK 编码，那么这些字符也使用 GBK 编码。

你看，对于代码中需要被处理的窄字符串，不同的编译器差别还是挺大的。不过可以肯定的是，这些字符始终都使用窄字符（多字节字符）编码。

对于 char 类型的窄字符串，微软编译器使用本地编码，GCC、LLVM/Clang 使用和源文件编码相同的编码。

站在专业的角度讲，源文件使用的字符集被称为编码字符集，也就是写代码的时候使用的字符集；程序中的字符或者字符串使用的字符集被称为运行字符集，也就是程序运行后使用的字符集。
- 源文件需要保存到硬盘，或者在网络上传输，使用的编码要尽量节省存储空间，同时要方便跨国交流，所以一般使用 UTF-8，这就是选择编码字符集的标准。
- 程序中的字符或者字符串，在程序运行后必须被载入到内存，才能进行后续的处理，对于这些字符来说，要尽量选用能够提高处理速度的编码，例如 UTF-16 和 UTF-32 编码就能够快速定位（查找）字符。

ps ：编码字符集是站在存储和传输的角度，运行字符集是站在处理或者操作的角度，所以它们并不一定相同。