同到家 IT 技术干货(码农周刊第 38 期)

总结:

《码农周刊》出于微博微信账号 developerWorks 创建。developerWorks 一直专注让IT技术干货分享,目前粉丝已经超越7万。

1.
qt输出中文乱码原因剖析

网页版 | 速订阅《码农周刊》

qt的编程环境默认是utf-8编码格式(至于编码见下文知识要一);

次第设计

cout << "中文" << endl;

[译] Lambda
架构剖析(伍昆)  

程序运行,程序并无认得ANSI,UTF-8以及另其他编码.系统只略知一二处理你被它的字符的**次进制表示.**

Sourcegraph 架构设计 (Quinn
Slack)
 

 

编程语言

有关  “中””文”
的3种植编码二进制内容:

C 语言编程基础 (Marshall
Brain)  

 

[译] 不要急于求成切换至 Java 8 的 6
个因(@Java译站)
 

ANSI(GBK): 0xd6d0  0xcec4

objc.io 第 14

 

 

Swift 语言指南
(@SwiftLanguage)
 

UTF-8: 0xe4b8ad 0xe69687

Dropbox 如何下 C++ 进行 iOS 与 Android 的跨平台开发 (Ole
Begemann)
 

 

Python
编程中之倒模式(曹知渊)
 

Unicode: 0x4e2d 0x6587

JavaScript
在线交互教程
 

1)在简体中文Windows下之控制台显示环境是ANSI编码(代码页936,
GBK),先明确这点.

Golang
副高并发场景的来头剖析(@蝈蝈俊)
 

第一区别,MinGW看到底凡”0xe4b8ad”和”0xe69687″(gcc默认UTF-8).注意,用MinGW编译的源文件中起中文宽字符必须保留也UTF-8编码.

Scala
学习资源合集

2)测试代码:

工具资料

#include <iostream>
using namespace std;

int main()
{
    char a[] = "中文";
    cout << a << endl;
    return 0;
}

Git
教程(@廖雪峰)  

3)经在qt5.8中测试乱码;

经过中共享 inode
相互影响简单解析(@bryton岁月)
 

浅析:参见(下文知识要一,知识而点二)不难察觉UTF-8只是一样栽编码实行方案,并无是实在编码;再参见(知要点五),程序运行是能够过最后编译完成的二进制码输出

杭 JS 2014
演讲视频合集
 

在vs2017蒙受,用unicode编码方式,编译运行输出正常;原因我眷恋死好理解了,当次编译后保存的凡“中文”unicode二进制编码,而控制高出口时CodePage
(GBK 936)
这个CodePage就见面依据映射表去挨家挨户对诺GBK中之中文字,再进行输出;

系统管理员视频网站
 

若在qt5.8(MinGW)中,输出则是乱码;因为qt5.8默认的编码方式是UTF-8;当次编译后保存的凡“中文”UTF-8次之前进制编码,而控制高出口时CodePage
(GBK 936)
这个CodePage就会见冲映射表去挨家挨户对承诺GBK中的中文字,好像哪里不对,好了,问题便发以这儿了,CodePage是各级和unicode的映射表,并无是同UTF-8的(知识而点二CodePage),在qt5.8(MinGW)中,原程被编译二进制文件,保存下去的“中文”地址是,UTF-8编码,而映射表是以unicode中检索内容,再进行输出,自然就是是乱码;

[PDF][译] 给开发者的终极 XSS 防护备忘录
(@CnFooying)
 

网上解决方法1.改动注册表CodePage 65001  经测试或乱码

[PDF] Sibyl – 来自 Google
的普遍机器上系统
 

反驳分析:CodePage(GBK
936)找不交投,那么把控制台换成UTF-8;那么然先保存之,UTF-8汉语,再经过UTF-8对承诺之汉字码,不就是会出口汉字;理论类中,但在本人的win7
64号中文系统上,qt5.8,vs2017通通失败;

Centurion – New Relic 开源之 Docker
部署工具
 

可能原因:我系统中cmd控制台并无支持UTF-8编码方式(有空子以win10遭测试后再举行补充)

GitHub for
Mac
 

釜底抽薪方式2:通过(知识点一,二,
五),总结,当要以支配高进行汉语输出时,编码方式应该保留也unicode,或ACSI(GBK);

Docker
资料收集
 

4)关于宽字节出口乱码的题材;

Material Design
中文版
 

输出宽字节华语(详见文化要点四):例

[PDF] 树莓派杂志《MagPi》第 25

 

#include <iostream>
using namespace std;

int main()
{
    wcout << L"中文" << endl;
    return 0;
}

每周一书

出口则使用wcout而非可知是cout;关于宽字符详见;知要点二后续,**文化而点三**

《大教堂和庙》  

当vs2017蒙,输出中文,为空;

《大教堂和庙》在开源活动中的身份相当给基督教的佛经,用黑客们的说话说,这是“黑客藏经阁”的首先珍藏。Kindle
电子书

1、cout和wcout

编程之外

 在C++下,cout可以一直出口中文,但于wcout却百般。对于wcout,需要以那个locale设为当地语言才会出口中文:

[视频]
让程序员抓狂:需求是这样制定出的  

 wcout.imbue(locale(locale(),””,LC_CTYPE));

说招人的事宜(胖胡斐)
 

 也有人用而下语句子之,但随即会转移wcout的拥有locale设置,比如数字“1234”会输出为“1,234”。

卿干吗爱烹饪?(@知乎)
 

 wcout.imbue(locale(“”));

Geek 周边

 在C语言下,locale设置也本土语言(C语言中只有全局locale)就得健康输出了:

Cherry G80-3000 –
小樱桃家的洋舰键盘  

 setlocale(LC_CTYPE, “”);

G80-3000 系列键盘是 Cherry
机械键盘的主力产品。标准的键位设计、出类拔萃之做工、缜密入微的细节处理,这些德国工业产品所固有的特色令这款表朴实的键盘处处显露着奢华内涵。

 在qt5.8(MinGW)环境被,以上并无实用,目前还不曾找到出口中文的章程,未完待续;

做事机遇

 

[广州]
伊的家  

知要点一:编码**

高等 PHP 开发工程师(15-30k) 中级 PHP 开发工程师(7-14k) HTML5
开发工程师(10-20k)

ASCII:
早期的字符集,7员,128独字符,包括大小写a-z字母,0-9数字和部分控制字符.

[杭州]
大搜车  

  扩展ASCII: 1只字节8位,只所以7号非合理.于是第8号用于扩大ASCII字符集,这样就同时大多矣128独字符.于是用在后128个字符来扩大表示如果拉丁字母,希腊字母当特殊符号.但问题是欧洲那么同样宗国家多互相都兼备不等同的特殊字母,一起塞进后128独明确不够,于是代码页出现了.

Android 工程师(10-15k) iOS 工程师(10-15k) Java
工程师(8-16k) 测试工程师(7-14k) 前端工程师(可实习)(8-16k)

**  Code Page(代码页)**:
1单字节前128只字符大家集合和ASCII一样,而后128个字符,根据不同系统所谓代码页来区别各个语言不平等的字母和符号.

[北京]
大鱼  

**  DBCS(双双字节字符集)**:
对于亚洲江山,后128独字符依然束手无策包含大量的象形文字,DBCS正是为这之一个缓解方案.DBCS由一个要么少于个字节表示一个字符,这证明DBCS并不一定是少数只字节,对于如果英文字母,是向阳ASCII兼容的,依然由1单字节表示,而对如中文则据此2个字节表示.英文和中文好合地处理,而分是否也中文编码的方是2只字节中之高字节的首各也1,就务须检查后紧跟着的死字节,2只字节一起说为1独字符.GB2312,GBK到GB18030都属DBCS.另外,简体中文Windows下之ANSI编码通常是据GBK(代码页936).

Rails 工程师(8-20k) iOS 工程师(12-20k) Android
工程师(12-20k) 前端工程师(8-20k)

DBCS很要命题目在于字符串的字符数不可知由此字节数来支配,如”中文abc”,字符数是5,而字节数是7.于用++或–运算符来所有历字符串的程序员来说,这简直就是噩梦!

[杭州]
阿里巴巴  

  Unicode: 学名为”Universal Multiple-Octet
Coded Character Set
“,简称”UCS“.UCS可以看作是”Unicode Character
Set”的缩写.

Java 高级开发工程师(15-30k)

啊是一样种植字符集/字符编码方法,它统一用唯一的字符集来含有这个星球上多数语言的写系统.UCS向ASCII兼容(即前128单字符是千篇一律的),但并无配合DBCS,因为另外字符在UCS中受再编码(重新部署职位).

[南京]
孢子社区  

UCS有半点栽格式:UCS-2和UCS-4.前者用2只字节(16位)编码,后者用4个字节(实际上只是所以31各类)编码.USC-4前2单字节都为0的组成部分称作BMP(基本多语言平面),就是说BMP去丢前2单零字节就是UCS-2.目前底UCS-4规范着还不曾其他字符被分配在BMP之外.(说白了,USC-4就是啊当16各之USC-2都受分配了时候做重新做扩展用的,现在尚没有动用)

全端工程师

  UTF-8,UTF-16,UTF-32: “Unicode transformation
format”(UTF)
 ,即Unicode的传导格式.Unicode规定了怎么编码字符,而UTF规定怎么用一个Unicode字符单元映射到配节序来传或保存.

[北京]
深思洛克软件技术股份有限公司  

UTF-16UTF-32各自表示以16员与32位为一个Unicode单元进行编码,其实UTF-16对许不怕是UCS-2,UTF-32对诺就是UCS-4(UCS-2与UCS-4是老的说教,应摒弃).
另外,通常说的Unicode就是因UTF-16.

Windows C/C++ 程序员(8-15k) Java 程序员(8-15k)

UTF-8是关键!如果统一Unicode都用2字节意味着,英文字母觉得温馨不怕老吃亏(高字节始终是0字节).UTF-8提供了一致栽灵活的解决办法:以单字节(8bit)作为编码单元,变长多字节编码方式.如ASCII字母继续应用1字节储存,中文汉字用3字节囤积,其他最多但直6配节.

[广州]
向日葵保险网  

UTF-16同UTF-32需要有配节序标志BOM(FEFF)解决大端小端问题.UTF-8没有字节序的题目(因为以1只字节为单元).

网架构师(12-20k) 高级 Java 工程师(8-16k) 高级 Rails
开发工程师(8-16k) 运维经理 高级运维工程师(5-10k) 高级前端开发工程师 Web
前端开发主管

 

又多干活会  

===============================================================================

在招人?欢迎将招聘启事发送到 job@manong.io

旁注意点:

《码农周刊》是因为微博微信账号 developerWorks 创建。developerWorks 一直留心让IT技术干货分享,目前粉丝曾超7万。

DBCS准确说,应该是MBCS(Multi-Byte Chactacter
System, 多字节字符系统).

网页版 | 疾订阅《码农周刊》

字符集(Charset)和编码(Encoding)注意区别.如GBK,GB2312以及Unicode都既是字符集,也是编码方式,而UTF-8只是编码方式,并无是字符集.

Linux下The GUN
C Library(从glibc
2.2方始)中宽字符wchar_t是盖32各的Unicode(USC-4)表示.如松字符”中”字为
“0x00004e2d”.而Windows下之CRT使用宽字符仍是16位之.

 

知而点二:关于Unicode的体会(加深对编码的知)

析Unicode和UTF-8 

同等、首先说明一下现常用之片编码方案:
1.
在神州,大陆最常用之即是GBK18030编码,除此之外还有GBK,GB2312,这几个编码的干是这样的。
极端早制定的汉字编码是GB2312,包括6763个字和682单其他符号
95年更修订了编码,命名GBK1.0,共录取了21886个号。
而后又推出了GBK18030编码,共圈定了27484个字,同时还引用了藏文、蒙文、维吾尔文等主要的少数民族文字,现在WINDOWS平台必待支持GBK18030编码。
按GBK18030、GBK、GB2312的依次,3栽编码是向下兼容,同一个汉字在三独编码方案中凡一样的编码。
2.  台湾,香港相当地运的凡BIG5编码
3.  日本:SJIS编码
二、Unicode
  如果管各种文字编码形容呢各地之方言,那么Unicode就是世界各个合作开发的平栽语言。
  于这种语言环境下,不见面再度发生语言的编码冲突,在同屏下,可以显得另外语言的情,这便是Unicode的极端可怜便宜。
  那么Unicode是怎样编码的也?其实非常简单。
  就是将世界上有着的仿用2只字节统一开展编码。可能而见面问,2独字节最多会代表65536个编码,够用吧?
  韩国以及日本的大部中国字都是从中华传回过去的,字型是全平等的。
  比如:“文”字,GBK和SJIS中还是暨一个字,只是编码不同而已。
  那样,像这么合编码,2独字节就曾经够用容纳世界上存有的言语的多数文了。
UCS-2 与UCS-4
  Unicode的学名是”Universal Multiple-Octet Coded Character
Set”,简称为UCS。
  现在所以的凡UCS-2,即2只字节编码,而UCS-4是为防范以来2独字节不足够用才开之。UCS-2也号称基本多文种平面。
  UCS-2转换到UCS-4只是简简单单的当眼前加2个字节0。
  UCS-4则着重用以保存辅助平面,例如Unicode 4.0遇之次增援平面
  20000-20FFF – 21000-21FFF – 22000-22FFF – 23000-23FFF – 24000-24FFF

  • 25000-25FFF –   26000-26FFF   - 27000-27FFF – 28000-28FFF –
    29000-29FFF – 2A000-2AFFF – 2F000-2FFFF
      总共加了16个帮扶平面,由原本的65536单编码扩展及接近100万编码。
    三、 兼容codepage
      那么既然统一了编码,如何配合原先各之仿编码为?
      这个时段就是需codepage了。
      什么是codepage?codepage就是各国之文字编码和Unicode之间的映射表。
      比如简体中文和Unicode的映射表就是CP936,点这里查看官方的映射表。
      以下是几只常因此之codepage,相应的改点的地方之数字即可。
      codepage=936 简体中文GBK
      codepage=950 繁体中文BIG5
      codepage=437 美国/加拿大英语
      codepage=932 日文
      codepage=949 韩文
      codepage=866 俄文
      codepage=65001 unicode UFT-8
    末段一个65001,据个人了解,应该只是一个虚拟的映射表,实际只有是一个算法而已。
    从今936遭到任意取一行,例如:
    0x9993 0x6ABD #CJK UNIFIED IDEOGRAPH
    前的编码是GBK的编码,后面的凡Unicode。
    透过翻即张表,就能够简单的兑现GBK和Unicode之间的转移。
    四、UTF-8
      现在知晓了Unicode,那么UTF-8又是呀吧?又何以会产出UTF-8呢?
      ASCII转换成为UCS-2,只是于编码前插入一个0x0。用这些编码,会连一些控制符,比如
    ” 或
    ‘/’,这当UNIX和片C函数中,将见面出严重错误。因此得以一定,UCS-2不称当作Unicode的表编码。
      因此,才落地了UTF-8。那么UTF-8是安编码的?又是哪些化解UCS-2的题目为?
    例:
    E4 BD A0        11100100 10111101
    10100000
    这是“你”字的UTF-8编码
    4F 60          01001111
    01100000
    这是“你”的Unicode编码
    至于汉字按照UTF-8的编码规则,分解如下:xxxx0100 xx111101 xx100000
    管除了x以外的数字拼接在同步,就成“你”的Unicode编码了。
    在意UTF-8的顶前方3独1,表示一切UTF-8弄错是由3个字节构成的。
    经UTF-8编码之后,再也不会出现敏感字符了,因为高位老为1。
    以下是Unicode和UTF-8之间的转换关系表:
    U-00000000 – U-0000007F: 0xxxxxxx
    U-00000080 – U-000007FF: 110xxxxx 10xxxxxx
    U-00000800 – U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx
    U-00010000 – U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
    U-00200000 – U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
    U-04000000 – U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
    10xxxxxx、
    Unicode编码转换到UTF-8,针对汉语,简单的拿Unicode字节流套到x中不怕改为UTF-8了。

续篇:

unicode于windows api中的运
    实际上,常波及的Win32
API的名号并无是它们的真正名称。这些名仅仅是片巨,你得于PSDK的峰文件被找到这些宏对用的函数名称。所以,如果PSDK的文档提到一个函数,如CreateFile,开发人员应该发现及她只是是一个高大。它的真名称是CreateFileA和CreateFileW。是的,它表示了“两单”函数称为,而无是一个,是跟一个函数在不同Win32函数的星星个例外之版。以’A’结尾的函数接受ANSI字符串(char *),即Unicode字符串(wchar_t
*)而于vs中得为此WCHAR宏代替,即wchar_ts型字符串。两栽版本的函数都于模块kernel32.dll中实现,如果您的编程环境是Unicode则,则宏CreateFile在编译是碰头叫CreateFileW代替,否则用CreateFileA代替。

PSDK的字符串解决方案:TCHARs
   
为了避免为歧之windows操作系统开发不同版本的PSDK,微软制定了一个合之字符串类型TCHARs。TCHAR以及其它的对应的宏在头文件WinNT.h中起定义。程序员在程序中未欲为运用char还是wchar_t而纠结,只待用宏TCHAR就得了。根据Unicode环境是否是,编译器会自行进行对应的变换。同样道理,程序员不需呢运用’A’还是’W’型Win32
API函数纠结。

对此比较首的系统都以ACSI编码,而于最新系统遭到虽还合并吗unicode编码(如:手机系统)

 

知而点三:
L”……”,
_T(), _TEXT
,TEXT()

L”……”: L是代表字符串资源转为宽字符的保存(通常转为unicode),却不至于是unicode字符,这跟编译器实现相关。

_T(” ……”) 是一个适配的宏     #ifdef _UNICODE(当系统环境是unicod下)
_T就是L   而当系统环境是ACSI 
_T就是ANSI的。(有便利早期windows系编程文件的移植,达到新老体系相互)

_T、_TEXT、TEXT 三者效果一样

tchar.h是运作时之条文件,_T、_TEXT 根据_UNICODE来确定宏
winnt.h是Win的腔文件依据,TEXT 根据UNICODE 来确定宏

倘要同时使用即时3个巨大,则需要而定义 UNICODE 和 _UNICODE
VS2010过后的本中
,设置:项目–属性–配置属性–常规–字符集–使用Unicode字符集,
那么编译器命令选项中确实同时加入了_UNICODE和UNICODE。

知识而点四: c++ 的cout 与
wcout**

cout << "hello world!" << endl; //ACSI 编码输出

cout << L“hello world!” <<endl;// unicode 输出

当输出双许节编码到控制台时,cout输出的用是地方而毫不内容这时就要用到wcout;

改为:

cout << "hello world!" << endl; //ACSI 编码输出

wcout << L“hello world!” <<endl;// unicode 输出

** 


知识而点五:编译连接过程

1.预处理 生成.i文件

C++的预处理是据当C++程序源代码被编译之前,由预处理器对C++程序源代码进行的拍卖。这个过程并无对准先后的源代码进行剖析。

此的预处理器(preprocessor)是依靠真的的编译开始前由编译器调用的一个独立程序。

先期处理器主要担负以下的几地处

1.宏之轮换

2.去注释

3.处理预处理指令,如#include,#ifdef

 2.编译和优化 生成汇编.s原文件

词法分析 — 识别单词,确认词类;比如int
i;知道int是一个种,i是一个第一字与判断i的名字是否合法
语法分析 — 识别短语和句型的语法属性;

语义分析 — 确认单词、短语和句型的语义特征;

代码优化 — 修辞、文本编辑;

代码生成 — 生成译文。

3.生成**.o**对象文件


汇编过程实际上指把汇编语言代码翻译成靶子机器指令的历程。

以终极的目标文件被

除了有和谐之数与二进制代码之外,还要至少提供2独说明:未缓解符号表和导出符号表,分别报告链接器自己需要什么与力所能及提供什么。

编译器把一个cpp编译为对象文件的时光,除了如于对象文件里描写副cpp里噙的数码以及代码,还要至少提供3单说明:未缓解符号表,导出符号表和地址重定向表。
不缓解符号表提供了所有在该编译单元里引用但是定义并无在本编译单元里的号子及其出现的地址。
导出符号表提供了本编译单元有定义,并且愿意提供给任何编译单元使用的记号及其地址。
地址重定向表提供了本编译单元有对自身地址之援的笔录。

4.链接

由汇编程序生成的靶子文件并无能够这就被执行,其中可能还有好多尚未缓解之问题。例如,某个源文件被的函数可能引用了别样一个源文件被定义之有符号(如变量或者函数调用等);在先后中恐调用了某个库文件被的函数,等等。所有的这些题目,都要经链接程序的处理着会得以解决。