将中文字符存入std::string时究竟发生了什么

[ByteFlys]

std::string本质上是一个char数组，每个字符都是单字节的
但是中文不管什么编码，至少得占两个字节，那么是怎么存入char的
是一个字符占两个字节存储，还是截断存储，这是第一个问题

还有一个问题，中文字符存入std::string时，究竟以什么编码存储的
用的是操作系统默认编码，还是IDE默认编码，或者默认Unicode？

[finder_zhang]

首先跳到 string 的定义,看看他是什么 typedef basic_string<char> string; basic_string 是一个模版 另外还可以看到其他的定义 typedef basic_string<wchar_t> wstring; typedef basic_string<char32_t> u32string; 看到这里应该很清晰了,string 是对 char[] 的封装 wstring 是对 wchar_t[] 的封装 如果是 unicode32 编码,要用 u32string ,如果是 unicode16 编码,要用 wstring ,而 string ,很厉害,无论什么编码都可以放进去,因为他是一个字节一个字节地放的,只要你知道string里面是什么编码,再用对应的编码读出来就可以了. 将中文放入 string 会发生什么,这个我实际测过,首先你要设置好你IDE编辑的字符编码,如果你设成gbk,那么string="中国",这个string就占4个字节,如果你编辑器是utf-8,那么你的 string="中国",就会占 6 个字节.

[ByteFlys]

简单来说，string以ANSI编码(编码方式由本地环境决定)来存储字节，但以ASCII/Unicode来读取字节 wstring以ASCII/Unicode编码来存储字节，同样以ASCII/Unicode来读取字节 博客总结如下：C++中char，wchar，string，wstring https://hellogoogle.blog.csdn.net/article/details/103469251

[weixin_46018948]

将char*赋值给std::string如果不指定长度,则会默认以\0截断(ASCII码值为0);如果指定的长度超过char*字符串

[梦想不加班]

第一个问题，string是以结束符来看长度的，转char也是同样的，遇到‘\0’才认为string结束，与内容无关。
第二个问题，中文转string是根据你的编译器来决定以哪种格式存储的，长度也不是你说的2个字节，而是根据编码格式来决定长度的。一般的格式为ASCII或者Unicode。同样的，读取时候一般都会让你指定编码类型，如json System.Text.Encoding.Default.GetString(bytes, 0, len)或者System.Text.Encoding.Unicode.GetString(bytes, 0, len)。

[nmslswsd]

学习中，感谢

[yanghanyuze]

typedef basic_string<wchar_t, char_traits<wchar_t>,allocator<wchar_t> > wstring;

[CWAAAA]

多谢！！！！！！！！！！！！！！！！！！！！

[magicjym]

感谢楼主分享，正学习中

[sichuanwww]

[zealman]

帮你顶一下和学习吧。。。。。。。。。。。

[clselectt]

顶起来。。。。。。。。。。。。。。

[「已注销」]

学习中，感谢

[raymendyes]

感谢楼主分享，正学习中

[阿五-哈默迪]

不..... 每个字符一个字节那是你以为的 至于是不是，要看如何解释。 我觉得就是直接存储进去了

[sdghchj]

地上有一坨，人看它是屎，狗看它是食。它还是它，没有改变，变的是谁在看它。

[许文君]

引用 7 楼 truexf 的回复:

和编辑器的字符集格式有关。最终都会被转换为一个char string的底层是char数组，不会有任何字符集的处理。这些是程序员自己决定的。

[Varible]

两个字节储存，输出两个一起会自动合并吧！
补充：中文OEM自动合并，美文模式乱码散架，我猜的……^ _ ^

[我叫RT]

学习了。最近刚好对这方面有点迷糊。

[qq_42820555]

std::string本质上是一个char数组，每个字符都是单字节的
但是中文不管什么编码，至少得占两个字节，那么是怎么存入char的
是一个字符占两个字节存储，还是截断存储，这是第一个问题

还有一个问题，中文字符存入std::string时，究竟以什么编码存储的
用的是操作系统默认编码，还是IDE默认编码，或者默认Unicode？

[紫火桑葚]

虽然已经结帖，还是回复下； 你可以认为所有数字、字母、符号、汉字、特殊符号， 其实都有相应编号，而数字、字母、大部分常用符号的编号， 都在127以内，而汉字编号都大于127， 1byte可用于编号表示的范围是0~127， 啥？瞎扯淡？为啥不是255呢？ 因为要区分是否需要多个byte组合表示完整的汉字， 最高位永远为0，即01111111=127， 显然UTF8编码无法用1byte表示完整的汉字， 所以汉字编号会被拆开成若干个部分， 最直观的做法是把编号转换成二进制表示， 例如汉字"你"的编号是0x4f60， 对应二进制：‭0100111101100000‬， 从右往左拆分，按照每6个位截取一次， 得到：‭0100 111101 100000，最少需要3byte 加上相应的前缀得到：‭11100100 10111101 10100000， 所以这就是汉字所占用的3字节~