C语言5 -字符和字符串

内容纲要
int x = 123;            //补码
int float f = 123.4F;   //IEEE编码
int i = 'A';            //神马情况???

我们在代码中写入

int i = 'A';

反编译后汇编就编程了

mov dword ptr ss:[esp-4],0x41

为什么会变成41呢?

字符类型

ASCII 表

(American Standard Code for Information Interchange 美国标准信息交换代码)
维基百科: https://zh.wikipedia.org/wiki/ASCII

字符类型

ASCII表最大 127 16进制 是 0x7F 也就是只需要一个字节
一个字节就够了,所以通常我们会使用:

char x ='A'来存这种符号

所以,很多书会称char为字符类型。
其实这种说法是错误的,会让很多初学者认为char就是用来存储字符的

转义字符

比如换行符可以写为

char i = '\n';
或者
char i = 10;

C语言中的内置函数

putchar(10);  // 将对应数从ASCII表中查出画在(打印) 控制台上(一次只能打印一个字符)
putchar('\n');

printf函数的使用

#include
void main()
{
    printf("Hello World!\n");   //打印字符串
    int x = 0xFFFFFFFF;
    printf("%d %u %x\n",x,x,x);   //打印证书
    //-1  4294967295  ffffffff
    float f = 3.1415F;
    printf("%6.2f\n",f);        //打印浮点数
    //3.14
}
占位符:
%d 有符号数形式打印
%u 无符号形式打印
%x 16进制形式打印
%{x.y}f 打印浮点数  x标志打印总长度 y 代表小数点后长度

字符串 一堆字符的ASCII对应的的值在内存中连续的串

printf函数调用前 push 字符串在内存中保存的位置

vc6 反汇编:

push offset string "Hello World!" (0042f6c)
call printf(0040d3f0)
add esp,4

字符串的结束标志在内存中 是 00
出现00代表字符串结束

字符串

char buffer[20] = "Hello World!";
printf("%s\n",buffer);
%s 字符串形式打印

中文字符

char buffer[20]= "Hello World!";
printf("%s\n",buffer);
反汇编代码
5:        char buffer[20]= "Hello World!";
00401028 A1 20 00 42 00       mov         eax,[string "Hello World!" (00420020)]
0040102D 89 45 EC             mov         dword ptr [ebp-14h],eax
00401030 8B 0D 24 00 42 00    mov         ecx,dword ptr [string "Hello World!"+4 (00420024)]
00401036 89 4D F0             mov         dword ptr [ebp-10h],ecx
00401039 8B 15 28 00 42 00    mov         edx,dword ptr [string "Hello World!"+8 (00420028)]
0040103F 89 55 F4             mov         dword ptr [ebp-0Ch],edx
00401042 A0 2C 00 42 00       mov         al,[string "Hello World!"+0Ch (0042002c)]
00401047 88 45 F8             mov         byte ptr [ebp-8],al
0040104A 33 C9                xor         ecx,ecx
0040104C 89 4D F9             mov         dword ptr [ebp-7],ecx
0040104F 66 89 4D FD          mov         word ptr [ebp-3],cx
00401053 88 4D FF             mov         byte ptr [ebp-1],cl
6:        printf("%s\n",buffer);
00401056 8D 55 EC             lea         edx,[ebp-14h]
00401059 52                   push        edx
0040105A 68 1C 00 42 00       push        offset string "%s\n" (0042001c)
0040105F E8 3C 00 00 00       call        printf (004010a0)
00401064 83 C4 08             add         esp,8

中文

char buffer[20] = "中国";
printf("%s\n",buffer);
反汇编
5:    char buffer[20] = "中国";
00401028 A1 20 00 42 00       mov         eax,[string "\xd6\xd0\xb9\xfa" (00420020)]
0040102D 89 45 EC             mov         dword ptr [ebp-14h],eax
00401030 8A 0D 24 00 42 00    mov         cl,byte ptr [string "Hello World!"+4 (00420024)]
00401036 88 4D F0             mov         byte ptr [ebp-10h],cl
00401039 33 D2                xor         edx,edx
0040103B 89 55 F1             mov         dword ptr [ebp-0Fh],edx
0040103E 89 55 F5             mov         dword ptr [ebp-0Bh],edx
00401041 89 55 F9             mov         dword ptr [ebp-7],edx
00401044 66 89 55 FD          mov         word ptr [ebp-3],dx
00401048 88 55 FF             mov         byte ptr [ebp-1],dl
6:    printf("%s\n",buffer);
0040104B 8D 45 EC             lea         eax,[ebp-14h]
0040104E 50                   push        eax
0040104F 68 1C 00 42 00       push        offset string "%s\n" (0042001c)
00401054 E8 47 00 00 00       call        printf (004010a0)
00401059 83 C4 08             add         esp,8

观察ASCII表中并没有中文字符

拓展 ASCII码表 (EASCII)

详见 维基百科 https://zh.wikipedia.org/wiki/EASCII

如何在计算机中存储中文

我们发现就算加上 EASCII 也不能表示中文 于是我们如何在计算机中存储中文呢?

计算机发明之后及后面很长一段时间,只能应用于美国及西方一些发达国家,ASCII能够很好满足用户的需求。但是当天朝也有了计算机之后,为了显示中文。必须设计一套编码规则用于汉字转换为计算机可以接受的数字系统的数

天朝专家把那些127号后的奇异符号们 (即EASCII)取消掉,规定:一个小于127的字符意义与原来相同,但是两个大于127的字符连在一起时,就表示一个汉字,这样我们就可以组合出大约7000多个简体汉字了

在这些编码里,连在ASCII里本来就有的数字、标点、字母都统统编了两个字节长的编码,这就是常说的”全角“字符,而原来在127号以下的那些就叫”半角“字符了。

上述编码规则就是GB2312或GB2312-80

GB2312或GB2312-80

  1. 两种编码可能使用相同的数字代表两个不同的符号
  2. 或者使用相同的数字代表不同的符号

这种编码方式有很大的弊端,当试用此种编码方式的数据,在其他国家使用的时候,如果其他国家使用类似的编码规则,那么数据就会失去原本的意义。

Unicode编码就是为了解决这个问题才出现的!