Skip to content

Latest commit

 

History

History
67 lines (59 loc) · 6.39 KB

编程杂记.md

File metadata and controls

67 lines (59 loc) · 6.39 KB
Raw

目录

  1. 字符编码问题
  2. C语言常用函数

1. 字符编码问题 [Index]

  • ASCII

A上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。SCII码一共规定了128个字符的编码，比如空格"SPACE"是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

  • GB2312

简体中文常见的编码方式是GB2312，使用两个字节表示一个汉字，所以理论上最多可以表示256x256=65536个符号(两个字节可以表示2^^16 = 65536个汉字j)。注意GB编码和unicode编码和utf-8编码没有关系。

  • unicode

unicode 将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。但是需要注意的是，Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

  • UTF-8

***互UTF-8是Unicode的实现方式之一。***联网的普及，强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种Unicode的实现方式。其他实现方式还包括UTF-16（字符用两个字节或四个字节表示）和UTF-32（字符用四个字节表示），不过在互联网上基本不用。
UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8的编码规则很简单，只有二条：

  1. 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
  2. 对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。
    下表总结了编码规则，字母x表示可用编码的位。
    Unicode符号范围 | UTF-8编码方式
    (十六进制) | （二进制）
    --------------------+---------------------------------------------
    0000 0000-0000 007F | 0xxxxxxx
    0000 0080-0000 07FF | 110xxxxx 10xxxxxx
    0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
    0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
  • Unicode与UTF-8之间的转换（很多文本编辑软件都有下面的选项）
    1. ANSI是默认的编码方式。对于英文文件是ASCII编码，对于简体中文文件是GB2312编码（只针对Windows简体中文版，如果是繁体中文版会采用Big5码）。
    2. Unicode编码指的是UCS-2编码方式，即直接用两个字节存入字符的Unicode码。这个选项用的little endian格式。
    3. Unicode big endian编码与上一个选项相对应。我在下一节会解释little endian和big endian的涵义。
    4. UTF-8编码，也就是上一节谈到的编码方法。
    5. Little endian和Big endian

上一节已经提到，Unicode码可以采用UCS-2格式直接存储。以汉字"严"为例，Unicode码是4E25，需要用两个字节存储，一个字节是4E，另一个字节是25。存储的时候，4E在前，25在后，就是Big endian方式；25在前，4E在后，就是Little endian方式。

  • UTF-16

UTF-16 使用两字节的无符号整型来保存字符，这是Unicode的另一种保存形式。当然了无法使用这16个位来表示所有的字符，但是当字符集已经确定而且可以使用16位表示时，使用UTF-16可以节省存储空间（特别是东亚字符集）。当UTF-16无法表示某些字符时，其是可以扩展的，扩展的形式见http://blog.csdn.net/mylinx/article/details/6874414。
UTF-16 LE是windows上默认的Unicode编码方式，使用wchar_t表示。所有wchar_t *类型的字符串(包括硬编码在.h/.cpp里的字符串字面值)，VC都自动采用UTF-16的编码。UTF-16的劣势没有统一的表示UTF-16编码的字符类型。C++98/03里对wchar_t的定义是非常宽泛的。这导致在Windows平台上，wchar_t是2字节的；在Unix-like系统上是4字节的。

2.C语言常用函数 [Index]

  • 时间
    • time_t 是一个非常大的整数
    • tm结构 
      struct tm{
	int tm_sec; /* 秒 – 取值区间为[0,59] */
	int tm_min; /* 分 - 取值区间为[0,59] */
	int tm_hour; /* 时 - 取值区间为[0,23] */
	int tm_mday; /* 一个月中的日期 - 取值区间为[1,31] */
	int tm_mon; /* 月份（从一月开始，0代表一月） - 取值区间为[0,11] */
	int tm_year; /* 年份，其值等于实际年份减去1900 */
	int tm_wday; /* 星期 – 取值区间为[0,6]，其中0代表星期天，1代表星期一，以此类推 */
	int tm_yday; /* 从每年的1月1日开始的天数 – 取值区间为[0,365]，其中0代表1月1日，1代表1月2日，以此类推 */
	int tm_isdst;//夏令时标识符，实行夏令时的时候，tm_isdst为正。不实行夏令时的进候，tm_isdst为0；不了解情况时，tm_isdst()为负
};
    • time_t time(time_t *t);//从GMT1970、1、1 00:00:00 到当前的秒数
    • struct tm *gmtime(const time_t *time);//将unix时间戳转化为GMT(格林威治时间)时间的tm格式
    • struct tm *localtime(const time_t *time);//将unix时间戳转化为本地时间的tm格式，和上面返回的时间有时差。
    • char *asctime(const struct tm *tblock);//将tm结构的时间转化为字符串，注意字符串的最后一个有效符号为换行符
    • char *ctime(time_t *time);直接unix时间戳转化为本地时间的字符串格式（非GMT时间）
    • clock_t clock(void);//获得cpu当前时间，是一个整数（近似值），程序从启动到调用clock()函数之间所使用的CPU的click数。
    • time_t mktime(cosnt struct tm *t);//将tm类型的数据转换为unix时间戳。
    • double difftime(time_t t2 , time_t t1);//返回两个时间戳之间的秒差。