C語言中的BYTE和char深入解析

2020-01-26 15:47:00

字體：大中小

來源：轉載

供稿：網友

例如，在下面的源程序中“""”之內的“你”、“好”、“，”、“C”、“!”、“/n”就屬于程序要處理的字符。

#include <stdio.h>
int main(void)
{
      printf("你好，C!/n");   
      return 0;
}    

該源程序中的其他字符則屬于書寫源程序的字符，這其中也可能包含并沒有明顯顯示出來的字符，例如空格字符(space character)、水平制表符(horizontal tab)、垂直制表符(vertical tab)和換頁符(form feed)。

從某種意義上來說，編輯/編譯器是一種接受字符輸入，輸出可執行文件的軟件，由它產生可執行文件經過加載成為內存中的程序，這個程序通常也不可避免地要處理字符。

編輯/編譯器與它生產出的應用程序并不一定運行在同一個環境中，這就意味著兩者可能要各自處理不同的字符集合。

編輯/編譯器所要處理的字符就是書寫C語言源程序所用的字符，這種字符的集合叫源字符集(sourcecharacter set)。而應用程序要處理的字符所構成的集合叫執行字符集(execution character set)。

對于多數C語言學習者來說，由于編輯/編譯環境與應用程序運行環境是重合的，可能意識不到源字符集與執行字符集之間的區別。

•源字符集(source character set)
源字符集中的字符就是編寫C語言源程序的字符，也就是C語言要求編輯/編譯器所運行的環境所提供的字符。這套字符由這幾部分組成：基本字符集(basic character set)、表示換行的字符（new-line character）和擴展字符(extended characters)。

基本字符集(basic character set)包括：

A B C D E F G H I J K L M

N O P Q R S T U V W X Y Z

a b c d e f g h i j k l m

n o p q r s t u v w x y z

0 1 2 3 4 5 6 7 8 9

! " # % & ' ( ) * + , - . / :

; < = > ? [ / ] ^ _ { | } ~

空格(space character)

控制符：horizontal tab, vertical tab, form feed

一共是95個。這就是C語言對編輯/編譯器運行環境的最基本的要求，言外之意就是只要編輯/編譯器所運行環境提供這95個字符就可以編寫C語言程序了。事實上C語言源程序也“主要”地由這95個字符組成。

此外，C語言還要求在編輯/編譯器運行的環境中，0~9這十個字符的編號（編碼）必須是連續的。

遺憾的是，有些環境無法全部提供這95個字符。例如，據說有些國家的鍵盤上壓根就沒有“[”這個鍵。

由于存在這種情況，所以C語言也容許用所謂的三字符序列(trigraph)來表示那些環境不提供的字符。比如用“??<”表示“{”，用“??>”表示“}”。下面的代碼盡管看起來有些怪異，然而依然是合法的C程序。

復制代碼代碼如下:

#include<stdio.h>
int main(void)
 ??<
      printf("你好，C!/n");   
      return 0;
 ??>  

編譯器也可以對基本字符集自行進行擴展，這就是所謂的擴展字符(extended characters)。前面代碼中的“你”、“好”就屬于擴展字符。這些擴展字符只能出現在標識符、字符常量、字符串字面量、頭名(header name)、注釋以及某些預處理單詞(preprocessing token that is never converted to a token)中。代碼的其他其他部分出現擴展字符則是一種未定義行為。

擴展字符的值是由具體的編譯器定義的。源程序可以使用的所有字符的集合叫做擴展字符集(extended character set)。

•執行字符集
應用程序運行的環境中的字符集(the execution character set)也是一種擴展字符集(extended character set)。

其中也必須包括前面提到的源字符集中的那95個基本字符集，0~9這十個字符的編碼也必須是連續的。

特別需要注意的是，C語言并沒有要求執行環境中的基本字符集和編輯/編譯環境中的基本字符集具有相同的編碼方式，盡管這兩個基本字符集的“符”是相同的。

執行環境中必須提供的字符還有alert，backspace，carriage return，new line以及一個各位都為0的字符（null character）。

執行環境中程序可以處理的其他字符也被叫做擴展字符(extended characters)，這些擴展字符與基本字符集以及alert，backspace，carriage return，new line和null character共同構成了執行環境中的擴展字符集(extended character set)，或稱之為執行字符集(the execution character set)。

對于執行環境來說，擴展字符(extended characters)同樣是由編譯器自行定義的。

•C語言中的Byte
C語言中的Byte，如同int等類型類似，同樣不是一個確定長度的位組。C語言只是要求Byte能放得下執行環境中和編輯/編譯環境中基本字符集的編碼。這樣在某些編譯器中C語言中的Byte是9位就不難理解了，這并不違背C語言的基本定義。

同樣的道理，如果在編輯/編譯環境中，基本字符集的編碼是8位，而在運行環境中基本字符集的編碼是16位的話，那么Byte的大小顯然就必須至少為16位。

由此可見，在C語境中的Byte并非是平時普遍認為的octet(8位組)。

•C語言中的char數據類型
C語言中的char數據類型是一種整數類型(integer type)，它的大小被定義為1個Byte。亦即

sizeof (char) ≡ 1

若需要知道某個具體編譯器的Byte究竟是多少位，可以查看編譯器提供的limits.h。其中定義的符號常量CHAR_BIT就是char類型的位數，也就是Byte的位數。

補充：

C標準的矛盾？

"addressable unit of data large enough to hold any member of the basic character set of the execution environment" (clause 3.6 of the C standard)

可是在5.2.1-3中

The representation of each member of the source and execution basic character sets shall fit in a byte.