問題
C語言中漢字如何存儲？梳理思路！
答案
在計算機中，一個英文字符占1個字節，漢字占兩個字節，如果用char字符數組存儲字符時，需要在最后面自動加上一個字節的結束符“\0”
漢字轉進制輸出
比如：
//英文字符，占4個字節
char Info[] = "abc";
printf("%s\n",Info);
printf("Info長度：%d\n",sizeof(Info));
//中文，占5個字節
char Han[]="中國";
printf("%s\n",Han);
printf("Han長度：%d\n",sizeof(Han));
不同的編碼方式，漢字存儲的字節數量不同，比如：
GB2312編碼：一個漢字兩個字節
UTF-8編碼： 一個漢字三個字節
GBK編碼：一個漢字兩個字節
UTF-16：一個漢字3個字節
GB2312 --> GBK --> GB18030 是中文編碼的三套方案，出現的時間從早到晚，收錄的字符數目依次增加，並且向下兼容。GB2312 和 GBK 收錄的字符數目較少，用 1~2個字節存儲；GB18030 收錄的字符最多，用1、2、4 個字節存儲。
1) 從整體上講，GB2312 和 GBK 的編碼方式一致，具體為：
- 對於 ASCII 字符，使用一個字節存儲，並且該字節的最高位是 0，這和 ASCII 編碼是一致的，所以說 GB2312 完全兼容 ASCII。
- 對於中國的字符，使用兩個字節存儲，並且規定每個字節的最高位都是 1。
例如對於字母A，它在內存中存儲為 01000001；對於漢字中，它在內存中存儲為 11010110 11010000。由於單字節和雙字節的最高位不一樣，所以字符處理軟件很容易區分一個字符到底用了幾個字節。
2) GB18030 為了容納更多的字符，並且要區分兩個字節和四個字節，所以修改了編碼方案，具體為：
- 對於 ASCII 字符，使用一個字節存儲，並且該字節的最高位是 0，這和 ASCII、GB2312、GBK 編碼是一致的。
- 對於常用的中文字符，使用兩個字節存儲，並且規定第一個字節的最高位是 1，第二個字節的高位最多只能有一個連續的 0（第二個字節的最高位可以是 1 也可以是 0，但是當它是 0 時，次高位就不能是 0 了）。注意對比 GB2312 和 GBK，它們要求兩個字節的最高位為都必須為 1。
- 對於罕見的字符，使用四個字節存儲，並且規定第一個和第三個字節的最高位是 1，第二個和第四個字節的高位必須有兩個連續的 0。
例如對於字母A，它在內存中存儲為 01000001；對於漢字中，它在內存中存儲為 11010110 11010000；對於藏文གྱུ，它在內存中的存儲為 10000001 00110010 11101111 00110000。
字符處理軟件在處理文本時，從左往右依次掃描每個字節：
- 如果遇到的字節的最高位是 0，那么就會斷定該字符只占用了一個字節；
- 如果遇到的字節的最高位是 1，那么該字符可能占用了兩個字節，也可能占用了四個字節，不能妄下斷論，所以還要繼續往后掃描：
- 如果第二個字節的高位有兩個連續的 0，那么就會斷定該字符占用了四個字節；
- 如果第二個字節的高位沒有連續的 0，那么就會斷定該字符占用了兩個字節。
可見，當字符占用兩個或者四個字節時，GB18030 編碼要檢測兩次，處理效率比 GB2312 和 GBK 都低。
GBK 於 1995 年發布，這一年也是互聯網爆發的元年，國人使用電腦越來越多，也許是 GBK 這頭豬正好站在風口上，它就飛起來了，后來的中文版 Windows 都將 GBK 作為默認的中文編碼方案。
注意，這里我說 GBK 是默認的中文編碼方案，並沒有說 Windows 默認支持 GBK。Windows 在內核層面使用的是 Unicode 字符集（嚴格來說是 UTF-16 編碼），但是它也給用戶留出了選擇的余地，如果用戶不希望使用 Unicode，而是希望使用中文編碼方案，那么這個時候 Windows 默認使用 GBK（當然，你可以選擇使用 GB2312 或者 GB18030，不過一般沒有這個必要）。
漢字編碼輸出
漢字編碼並輸出示例：
//漢字編碼
unsigned char Han[]="中國";
printf("漢字：%s\n",Han);
printf("十六進制:");
for(int i=0;i<4;i++)
{
printf("%X",Han[i]);
}
printf("\n十進制：");
for(int i=0;i<4;i++)
{
printf("%d",Han[i]);
}
漢字編碼輸出存儲
漢字編碼存儲示例：
//漢字編碼存儲
unsigned char Han[] = "中國";
FILE* fp = fopen("out.txt", "w");//輸出
printf("漢字：%s\n", Han);
fputs("十六進制:", fp);
for (int i = 0; i < 4; i++)
{
fprintf(fp, "%X", Han[i]);
}
fseek(fp, 0, SEEK_END);
fputs("\n十進制:", fp);
for (int i = 0; i < 4; i++)
{
fprintf(fp, "%d", Han[i]);
}
fclose(fp);
漢字存儲到數組
#include <stdio.h>
#include <string.h>
#define MAX_LINE 100 //每行最大字節數
void main()
{
unsigned char strLine[MAX_LINE];
int len = 0;
FILE *fp = fopen("D:\\code\\vc\\C\\plaintext_keywords.txt", "r");
if(NULL == fp)
{
printf("failed to open dos.txt\n");
}
while (!feof(fp))
{
fgets(strLine,7,fp);
printf("%s",strLine);
}
fclose(fp);
printf("\n");
system("pause");
}
參考
1、漢字的存儲