中英文混排的字符串是如何被输出的？

以下代码输出中英文混排的字符串：

#include "stdafx.h"

int _tmain(int argc, _TCHAR* argv[])
{
	char* str = "I 服了 You";

	printf("%s\n", str);

	return 0;
}

操作系统是如何处理这种字符串的？能否讲一讲底层的处理过程？

32 个解决方案

#1

中文也被转为字符了啊。

你可以调试下下

#2

2个字符

#3

中文占两个字符，而且每个字符的符号位都是1,asc码的符号位都是0

#4

这要看底层字符集映射了，比如TC2.0不支持显示中文字符而只有ASCII码的映射。

#5

chcp命令了解一下吧

#6

一个中文占16位

#7

引用 3 楼 selooloo 的回复:

中文占两个字符，而且每个字符的符号位都是1,asc码的符号位都是0

 有什么依据吗？谢谢！

#8

引用 7 楼 hzpfly66 的回复:

引用 3 楼 selooloo 的回复:
中文占两个字符，而且每个字符的符号位都是1,asc码的符号位都是0

 有什么依据吗？谢谢！

仁兄，基本常识，嘿嘿

GB2312-80

GB2312码是*国家汉字信息交换用编码，全称《信息交换用汉字编码字符集——基本集》，由国家标准总局发布，1981年5月1日实施，通行于大陆。新加坡等地也使用此编码。

GB2312收录简化汉字及符号、字母、日文假名等共7445个图形字符，其中汉字占6763个。GB2312规定“对任意一个图形字符都采用两个字节表示，每个字节均采用七位编码表示”，习惯上称第一个字节为“高字节”，第二个字节为“低字节”。将GB码两个字节的最高位置1以示区别ASCII。

#9

#include <iostream>

using namespace std;

int main()
{
    char* str = "I ·þÁË You";
    printf("%s\n", str);
    for(int i=0; i<strlen(str); i++)
      printf("%d\n",str[i]);
    system("PAUSE");
    return EXIT_SUCCESS;
}

结果为：
73
32
-73
-2
-63
-53
32
89
111
117

中文对应两个字节，且都是负的，说明首位为1

#10

上面字符串是 "I 服了 You" 

#11

int main()
{
    char* str = "I 服了 You";
    printf("%s\n", str);
    for(int i=0; i<strlen(str); i++)
      printf("%d\n",str[i]);
    system("PAUSE");
    return EXIT_SUCCESS;
}


结果为：
73
32
-73
-2
-63
-53
32
89
111
117

可以通过这个结果来验证GB2312

GB2312收录简化汉字及符号、字母、日文假名等共7445个图形字符，其中汉字占6763个。GB2312规定“对任意一个图形字符都采用两个字节表示，每个字节均采用七位编码表示”，习惯上称第一个字节为“高字节”，第二个字节为“低字节”。将GB码两个字节的最高位置1以示区别ASCII。

#12

0x670D, /* GB2312 Code: 0xB7FE ==>服 Row:23 Col:94 */
服这个字的GB2312编码找到了。

#13

但是我想知道0x670D 跟
-73
-2
是如何转换的？求高手分析分析！

#14

0X670D应该是Unicode编码，用WideCharToMultiByte可以转换。Unicode编码要使用wchar_t类型的。

#15

引用 13 楼 yiruirui0507 的回复:

但是我想知道0x670D 跟
-73
-2
是如何转换的？求高手分析分析！

这个嘛，最好看看计算机组成原理和GB2312的标准，想想当初，我硬是把那个字符集文档打印了。上面每个字符，包括汉字的编码都是有的。
对于简体字：两个字节的最高位置1
对于繁体字：两个字节的最字节最高位置1，低字节最高位置0（此字节与ASCII有重叠）.
通常在串匹配中，对于汉字首先判断其高字节最高位，若是1，则可肯定是汉字（当然对于中文字符也有个连续的编码范围）。然后判断低字节的最高位才能判断是不是繁体。

#16

ansi的字符中中文是gb2312编码，占两个字节，英文是1个字节。如果第一个字节大于0x80，则和后面的是连在一起的。

#17

引用 13 楼 yiruirui0507 的回复:

但是我想知道0x670D 跟
-73
-2
是如何转换的？求高手分析分析！

Unicode和GB2312只能根据转换表一一对应转换。
比如“服”的Unicode是0x670D，GB2312是0xB7FE

#18

   //GBK汉字内码范围
   //区码  ,位码
   //81-A0 ,40-7E 80-FE
   //AA-AF ,40-7E 80-A0
   //B0-D6 ,40-7E 80-FE
   //D7    ,40-7E 80-F9
   //D8-F7 ,40-7E 80-FE
   //F8-FE ,40-7E 80-A0

#19

引用 17 楼 lhylhy 的回复:

引用 13 楼 yiruirui0507 的回复:
但是我想知道0x670D 跟
-73
-2
是如何转换的？求高手分析分析！

Unicode和GB2312只能根据转换表一一对应转换。
比如“服”的Unicode是0x670D，GB2312是0xB7FE

我的意思是这里的-73和-2是则么来的？如何得出的呢？

#20

引用 16 楼 cattycat 的回复:

ansi的字符中中文是gb2312编码，占两个字节，英文是1个字节。如果第一个字节大于0x80，则和后面的是连在一起的。

那麻烦你给试试，看这个-73和-2是如何得到的》

#21

引用 15 楼 g_spider 的回复:

引用 13 楼 yiruirui0507 的回复:
但是我想知道0x670D 跟
-73
-2
是如何转换的？求高手分析分析！

这个嘛，最好看看计算机组成原理和GB2312的标准，想想当初，我硬是把那个字符集文档打印了。上面每个字符，包括汉字的编码都是有的。
对于简体字：两个字节的最高位置1
对于繁体字：两个字节的最字节最高位置1，低字节最高位置0（此字节与ASCII有重叠）.
……

就是想对此问题有个清晰的认识，为什么“服”，输出的就是-73和-2！就这么明确！

#22

楼主贴出来的代码中，是用char来存储字符串的，所以是ANSI的字符规则，中文是GBK的编码，每个中文字符占用2个字节，且每个字节的最高位为1。所以可以用这种方法来判断中英文混排时哪些是中文字符。而上面讨论的汉字“服”对应的-73（0xBF）和-2(0xFE)这两个字节，只要查一下GBK的编码库BFFE对应的汉字是哪个，就一目了然了。（附上GBK汉字编码集链接http://baike.baidu.com/view/25421.htm?fr=ala0_1_1）

关于Unicode和ANSI的转换，因为Unicode是在后面出来了，为了统一全球不同语言的ANSI字符集而产生的，所以对这些字符集做了重新编码。各个语言对应的unicode编码范围可以参看http://baike.baidu.com/view/40801.htm?fr=ala0_1中相关部分。

ANSI字符要转成Unicode字符，需要知道该字符编码对应Unicode字符编码的偏移量，这样的偏移量列表在一些专门做字符转换的论坛可能能拿到。不过在windows上通过MultiByteToWideChar和WideCharToMultiByte上可以做这两者的转换。

#23

引用 22 楼 annelcf 的回复:

楼主贴出来的代码中，是用char来存储字符串的，所以是ANSI的字符规则，中文是GBK的编码，每个中文字符占用2个字节，且每个字节的最高位为1。所以可以用这种方法来判断中英文混排时哪些是中文字符。而上面讨论的汉字“服”对应的-73（0xBF）和-2(0xFE)这两个字节，只要查一下GBK的编码库BFFE对应的汉字是哪个，就一目了然了。（附上GBK汉字编码集链接http://baike.baidu.……

我查了GBK的编码，GBK的编码库BFFE对应的汉字是服字！
但是我还有很多困惑，比如程序运行的时候，把“服”字如何放到内存中的？先转换成UNICODE字符码？
然后再分两个字节放到内存？最后 “服”对应的-73（不是0xBF，0XBF对应的是-65）和-2(0xFE)这两个字节，请问这里为什么是-73呢？

#24

引用 23 楼 yiruirui0507 的回复:

引用 22 楼 annelcf 的回复:
楼主贴出来的代码中，是用char来存储字符串的，所以是ANSI的字符规则，中文是GBK的编码，每个中文字符占用2个字节，且每个字节的最高位为1。所以可以用这种方法来判断中英文混排时哪些是中文字符。而上面讨论的汉字“服”对应的-73（0xB 7）和-2(0xFE)这两个字节，只要查一下GBK的编码库B 7FE对应的汉字是哪个，就一目了然了。（附上GBK汉字编码……

Sorry,算错了,“服”字对应的-73(0xB7)和-2（0xFE）.

B7    ０ １ ２ ３ ４ ５ ６ ７ ８ ９ Ａ Ｂ Ｃ Ｄ Ｅ Ｆ
    Ａ 贰 发 罚 筏 伐 乏 阀 法 珐 藩 帆 番 翻 樊 矾
　　Ｂ 钒 繁 凡 烦 反 返 范 贩 犯 饭 泛 坊 芳 方 肪 房
　　Ｃ 防 妨 仿 访 纺 放 菲 非 啡 飞 肥 匪 诽 吠 肺 废
　　Ｄ 沸 费 芬 酚 吩 氛 分 纷 坟 焚 汾 粉 奋 份 忿 愤
　　Ｅ 粪 丰 封 枫 蜂 峰 锋 风 疯 烽 逢 冯 缝 讽 奉 凤
　　 Ｆ  佛 否 夫 敷 肤 孵 扶 拂 辐 幅 氟 符 伏 俘  服

#25

引用 24 楼 annelcf 的回复:

引用 23 楼 yiruirui0507 的回复:
引用 22 楼 annelcf 的回复:
楼主贴出来的代码中，是用char来存储字符串的，所以是ANSI的字符规则，中文是GBK的编码，每个中文字符占用2个字节，且每个字节的最高位为1。所以可以用这种方法来判断中英文混排时哪些是中文字符。而上面讨论的汉字“服”对应的-73（0xB7）和-2(0xFE)这两个字节，只要查一下GBK的编码库B7F……

谢谢！那系统是如何把“服”字放到内存中的？先转换成UNICODE字符码？GBK?
然后再分两个字节放到内存？然后如何取出来的呢？

#26

你当前使用的系统是简体中文系统。代码页也是gbk之类，
你放到其他语言的操作系统应该就不能正确输出了。

#27

中文16位2个字节表示一个字符，而且unicode的编码也很复杂，所以出现73 32 -73 -2 -63 -53 32 89 111 117，32是空格，正数应该是英文字母，负数估计要两个一起看才能表示一个中文字，也有可能用负数段表示中文


1.GBK编码的服是 0xB7FE
2.B7FE在内存里的表示是
高地址 FE B7 低地址。
你自己就可以算得出来了。FE就对应-2，B7就对应-73

#28

收工！

#29

系统不会做转换，需要程序转换，在程序里，用wchar_t声明字符串数组可以保存unicode字符，用char声明的字符串数组可以保存ANSI字符，这个就是为什么有些程序在编写时用char字符串数组保存界面显示的文本内容，在不支持对应字符集的OS上会显示乱码，而如果是用wchar_t字符串数组保存，就不会有这个问题的原因。

#30

引用 29 楼 annelcf 的回复:

系统不会做转换，需要程序转换，在程序里，用wchar_t声明字符串数组可以保存unicode字符，用char声明的字符串数组可以保存ANSI字符，这个就是为什么有些程序在编写时用char字符串数组保存界面显示的文本内容，在不支持对应字符集的OS上会显示乱码，而如果是用wchar_t字符串数组保存，就不会有这个问题的原因。

安安你好强大！

#31

你可以将英文也转换为宽字符就OK了，我前些天天天都在琢磨这些

CString CCodeToLight::DBCTOSBC(CString strInput)
{
    char *pSzTemp = new char[strInput.GetLength() + 1];
    CString strResult;
    BYTE c1, c2;

    pSzTemp = (LPSTR)(LPCTSTR)strInput;
    for (int i = 0; i < strInput.GetLength(); i++)
    {
        c1 = pSzTemp[i];
        c2 = pSzTemp[i + 1];

        if (163 <= c1)
        {
            strResult = strResult + char(c1);
            strResult = strResult + char(c2);
            i++;
        }
        else if (' ' == c1)
        {
            strResult = strResult + char(161);
            strResult = strResult + char(161);           
        }
        else if (163 > c1)
        {
            strResult = strResult + char(163);
            strResult = strResult + char(c1 + 128);
        }
    }

    return strResult;
}

#32

int main()
{
  char* str = "I 服了 You";
  printf("%s\n", str);
  for(int i=0; i<strlen(str); i++)
  printf("%d\n",str[i]);
  system("PAUSE");
  return EXIT_SUCCESS;
}


结果为：
73
32
-73
-2
-63
-53
32
89
111
117
1.GBK编码的服是 0xB7FE
2.B7FE在内存里的表示是
高地址 FE B7 低地址。
可以算得出来FE就对应-2，B7就对应-73
汉字对应2个字节，输出时先输出低地址。空格也对应一个ACSII码