fopen("你好.txt") "你好.txt"以什么格式存储

windyrobin

假设我winxp 中文版，vc2008 ，未作任何额外设置。

系统的文件系统存储的目录名、文件名，是什么格式编码的？（是gb2312，还是gbk之类，如何确认）
假设我通过fstatW函数获取文件名，结果为unicode编码，那是不是此函数返回时已经把系统内码转为了unicode
假如我fstatA获取文件名，返回char* 此时获取的是原始的系统内码格式的文件名么？它没做任何转换么？

vc下 WideCharToMultiByte函数 能把一个unicode转为指定的编码格式，
假如我指定为：CP_ACP
winnls.h 中：
#define CP_ACP                    0           // default to ANSI code page
#define CP_UTF8                   65001       // UTF-8 translation

ansi编码是什么格式，它如何区分字符边界呢？？？？？
（我意识中，ansi就是255个字符，没有所谓边界，但如果那样的话，fopen(const char *s)
字符串s应该会出现解析混乱呀 ）

[ 本帖最后由 windyrobin 于 2009-3-12 13:59 编辑 ]

net_robber

2的8次方是256

langue

对于 8-bit ASCII，它也只是对给定数据（GB2312/GBK/GB18030/……）的一种 reinterpretation，不存在溢出的问题。但前提是必须先重新转回 wide characters 才能进行其它操作。

windyrobin

按你的意思说：
通过 fstatA 方式返回的ascil字符的实际编码就是系统内码，
没做任何转换。

Wells.Wolfgang

这位仁兄对字符串的理解有点模糊。
你要分清ASCII和Unicode的区别，是2中不同的编码方式而已，
正是因为ASCII的表达字符方式太少(2^7-1=255)而Unicode可以表示字符(2^15-1=65536)，
所以才采用Unicode编码以兼容世界所有其他国家的语言。现在的NT系统基本都是支持Unicode的。
   因为Unicode编码采用双字节表示字符，而标准的ASCII只有单字节，所以单字节到双字节的转换很简单：
例如0x61("a")是ACII码，到Unicode就高位填充0x0061,这就是转换过程,ASCII的转换边界，
如果一定要说边界，那么就是1字节，同样，Unicode的边界是2个字节。

楼主还有个疑问，那么为什么fopen（char× str）可以打开中文目录呢？ 大家都知道中文是双字节表示的，转换成char×以后，
举个例子，例如wstring = _T("文件")； 内存序列可能是0x1234,0x5678, 转换成char×，内容会产生变化，产生负数而且可以被操作系统识别

[ 本帖最后由 Wells.Wolfgang 于 2009-3-12 18:29 编辑 ]

windyrobin

按照这位仁兄所说 ，
若CreateFileA("你好.txt"..)可以成功打开 ，这就意味着，“你好.txt”被编译到静态存储区中，
是以gb2312或gb18030之类的系统内码编码。
CreateFileW("你好.txt"..)则会出现异常，原因同上，
CreateFileW(_L("你好.txt") ,..)也会成功，是因为“你好.txt”被编译成了unicode。

当调用CreateFileW时 ，系统知道传入的字符串是unicode的，所以底层把它再转化为
本地gb2312或gb18030,并与文件系统存储的文件路径对比...

当调用fstatA产看成员.d_name时 ，系统返回的文件名是系统内码（gb2312，gb18030）等编码的数据！！

vc下 WideCharToMultiByte函数 能把一个unicode转为指定的编码格式，
假如我指定为：CP_ACP
winnls.h 中：
#define CP_ACP                    0           // default to ANSI code page

其实系统的转换结果是并非是什么ANSI，ANSI根本不是编码方式，真实返回的是char*指针的系统内码
gb2312编码的数据！！！！

以上我的理解有什么错误么？？

[ 本帖最后由 windyrobin 于 2009-3-12 18:43 编辑 ]

vbs100

fopen("你好.txt")  是和你的源代码一个格式的

Wells.Wolfgang

原帖由 windyrobin 于 2009-3-12 18:40 发表
按照这位仁兄所说 ，
若CreateFileA("你好.txt"..)可以成功打开 ，这就意味着，“你好.txt”被编译到静态存储区中，
是以gb2312或gb18030之类的系统内码编码。
CreateFileW("你好.txt"..)则会出现异常，原因 ...

我觉得这次理解很正确，也相当深刻

  系统中默认的字符编码应该是Gb2312没错，GB2312只是Unicode的一个子集，他们的编码方式完全不同。
例如：汉字“啊”，它的 GB2312 编码为 0xB0A1，但是它的 Unicode 编码为 0x554A。 所以他们中间的确需要个转换规则。
ANSI只是一个很弱符号集，所以汉字的确不存在什么ANSI编码的说法。WideCharToMultiByte函数返回的是将Unicode码转换成
GB码的一个char×指针。


参考：

GB2312 字符集

GB2312 是汉字字符集和编码的代号，中文全称为“信息交换用汉字编码字符集”，由中华人民共和国国家标准总局发布，一九八一年五月一日实施。GB 是“国标” 二字的汉语拼音缩写。

GB2312 字符集 (character set) 只收录简化字汉字，以及一般常用字母和符号，主要通行于中国大陆地区和新加坡等地。

GB2312 共收录有 7445 个字符，其中简化汉字 6763 个，字母和符号 682 个。

GB2312 将所收录的字符分为 94 个区，编号为 01 区至 94 区；每个区收录 94 个字符，编号为 01 位至 94 位。GB2312 的每一个字符都由与其唯一对应的区号和位号所确定。例如：汉字“啊”，编号为 16 区 01 位。

GB2312 字符集的区位分布表：

  区号    字数    字符类别

    01      94    一般符号
    02      72    顺序号码
    03      94    拉丁字母
    04      83    日文假名
    05      86    Katakana
    06      48    希腊字母
    07      66    俄文字母
    08      63    汉语拼音符号
    09      76    图形符号
10-15            备用区
16-55    3755    一级汉字，以拼音为序
56-87    3008    二级汉字，以笔划为序
88-94            备用区

这本手册列出了 GB2312 的全部字符和它们的区位号。

GB2312 编码

GB2312 原始编码 (encoding) 是对所收录的每个字符都用两个字节 (byte) 表示。第一字节为“高字节”，由字符的区号值加上 32 而形成；第二字节为“低字节”，由字符的位号值加上 32 而形成。例如：汉字“啊”，编号为 16 区 01 位。它的高字节为 16 + 32 = 48 (0x30)，低字节为 01 + 32 = 33 (0x21)，合并而成的编码为 0x3021。

windyrobin

感谢回复，我也觉得应该如此