第26集的文字稿

站长

001.
在编程时，会涉及多字节字符和宽字符的概念。我们知道，有些编码方案是不定长的，比如GB 2312的编码方案就是不定长的，对ASCII字符采用一个字节，对汉字采用两个字节；


GB 18030也是不定长的，对ASCII字符采用一个字节；对有些汉字采用两个字节，而另一些汉字则采用4个字节；


再比如UTF-8编码，它的编码可能是一个字节、两个字节、三个字节甚至是四个字节。


如果采用不定长的编码方案来编码字符，则我们称之为多字节字符。


相反地，有些编码方案是定长的，比如UTF-16和UTF-32。如果采用定长的编码方案来编码字符，我们称之为宽字符。


以C语言为例，C语言用元素类型为char的数组来保存多字节字符，用元素类型为wchar_t的数组来保存宽字符。wchar_t类型的确切长度随平台而异，在Windows上，wchar_t类型的宽度为16位的，通常用来保存utf-16编码；而在Linux上则是32位的，用来保存utf-32编码。


为了确保平台之间的一致性，C语言随后引入了char16_t和char32_t，并且保证前者在任何平台上都是16位的，而后者在任何平台上都是32位的。就引入这两种数据类型的动机而言，是要用char16_t类型保存UTF-16编码，用char32_t类型来保存UTF-32编码。