- A+
计算机眼中的字符串
计算机只能存储二进制位。8个二进制位是1个字节，无论是文本文件还是音乐文件，或者是二进制文件，对于计算机来讲，其实都是一连串二进制位，从某种角度讲，也把这个序列叫做字节流。我们使用的字符串，在计算机看来，其实就是一个字节流，即一连串的二进制位。想要让计算机理解我们人类世界的字符串，自然要创建字符映射为字节的编码规则，每一套规则对应着一套字符集，经过了长时间的演变，衍生出了许多种类的编码规则，也就产生了很多字符集。
字符串映射为字节流的过程叫编码；字节流映射为字符串的过程叫解码，只有编码和解码过程使用的字符集相同，才不会出现乱码问题。
编码的前世今生
编码和解码过程需要定义映射规则，也就是我们熟知的各种各样的编码方式，如GBK、UTF-8等。
1、【01编码】：很久很久以前，为了表示二极管的通、分，我们引入了高电平、低电平，之后又引了的1、0编码进行代替。01编码是最原始的计算机语言编码方式，人类无法直接读懂。
2、【ASCII编码】：为了使得人类的语言和01编码相对应，很久以前，也就是上个世纪60年代，美国佬为了把计算机的“0101010”编码与文字进行对应起来，制定了一套ASCII编码方案。人总是自私的，他只对自己的语言进行编码，26个字母、数字、其他符号，只用了7位二进制数搞定，第一位用0表示，预留着。所以ASCII编码最多127编码
3、【“二代”ASCII编码】：不单单是美国佬想把计算机语言和英文联系起来，其他国家也想把自己的语言关联起来，法文、俄文就基于ASCII编码，将上一代ASCII第一位(未使用)变成1，来对自己国家的语言进行编码。
结果，每一个国家都基于一代ASCII，让第一位变成1，完成对本国的语言的编码。由于他们各干各的，没有沟通，从而导致了同一种编码出现不同的文字。
4、【gb2312编码】：我们伟大的祖国80年代也开始对汉字进行编码，由于我们的文字较多，即使是基于ASCII将第一位变成1，也不够我们使用（国语博大精深拉），所以就制定了一套gb2312编码，使用2个字节表示。
5、【BIG5编码】：我国的港澳地区，他们是使用繁体字（gb2312编码最初并没有考虑到繁体字），怎么办了？他们就出了自己的区域编码BIG5
6、【中国一统GBK编码】：为了统一汉字，迫切的需要设计出一种既能支持简体字又能表示繁体的新编码方案，GBK诞生了！他兼容了绝大部分gb2312编码（gb2312编码的文字用gbk可以读出来，但是不兼容BIG5编码）
7、【世界大统unicode编码】：各国编码各做各的，总不是意见好事，为了便于交流，国际社会引入了unicode——（uni统一的意思，code编码）把所有国家的文字都进行了编码。统一是一件好事，但是也是有问题的。英文只要1个字节ASCII编码就可以表示，你unicode还需要2个字节或更多，导致unicode表示英文的时候前面有很多无用的000000000000000000。
8、【解决unicode问题，UTF编码】：解决方法是使用utf8编码，它是基于unicode编码上的一种优化，英文使用1个字节，中文使用2、3个（绝大部分是3个，个别有看到2、4个的一般不用）字节。好处：我能屈能伸，我可以变化长度来保存，就不会浪费空间了吧。
举个例子，如“我是汉字”分别用不用的编码格式表示为：
GBK: ce d2 ca c7 ba ba d7 d6
UTF-8 无BOM： e6 88 91 e6 98 af e6 b1 89 e5 ad 97
人类世界中的字符串，采用了不同的编码格式，导致最终的字节流也不一致。
代码编译过程中的编码转换
所谓的乱码问题，其实仅仅是针对代码中的字符串部分，代码不会乱码，因此，上面的过程也仅仅针对字符串进行讲解
1、编码保存：这个过程其实大家都很熟悉，只是可能不知道为什么要这么做。一般，我们会在工程中设置编码方式。如在Qt Creator中设置界面为
这里设置的编码其实就是源文件的编码方式，也就决定了字符串最原始的编码方式，图中的字符集A其实就是这里设置的“文件编码”对应的字符集。
2、读取源文件：其实在电脑程序看来，所有的文件都是字节码，程序根本不会将文件认为是一个个字符，因此，如果我们想弄明白程序是怎么进行编码转换的话，也要跟着电脑程序的思维走，将文件看成是一个个的字节码。
3、编码转换： Qt出发点为国际化项目，因此特别注重国际语言的编码。为了兼顾计算性能和存储性能，Qt决定将UTF-16作为QString的编码格式，至于其他如tr我还不了解，总之，只要是Qt自带的字符串类型，都会有固定的编码格式，以方便后续的字符串计算及显示。既然Qt的字符串具备固定的编码格式，但从源文件中读取的字节流却不一定和该编码格式相同，那么，必然要做编码转换。这过程中，程序员必须提供源文件中的字节流的编码方式，才能进行转换。虽说文件是按照A字符集映射编码的，但是，计算机读文件的时候只读到了字节码，根本不知道该字节码是通过哪种编码方式编码的，因此，也就不知道该怎么去把字节码解码成中文。那么，就会出现两种方式来解决这种问题。第一种是为编译器指定了默认的编码，只要程序没有特殊说明，就按照默认编码方式将字节码进行转换；第二种是对中文字符串的编码方式进行特殊说明。Qt中的字符串采用这三个函数进行特殊说明：
QTextCodec::setCodecForTr(codec);
//决定Tr(str)中str的编码格式
QTextCodec::setCodecForLocale(codec);
//1、决定与外部文件读写的时候使用的默认编码
//2、决定向命令行输出信息(qDebug)使用的编码
QTextCodec::setCodecForCStrings(codec);
//决定QString ( const char * str )和QString ( const QByteArray & ba )中str和ba使用的编码
其中codec即代表源文件中的字节流编码方式。转换完成后，Qt运行内部的字符串将全部统一为Qt规定的编码格式。
4、运行：程序运行时，如果不涉及读取外部文件路径等功能，则只要按照程序内部的编码方式正常运行即可。但是，如果涉及到和外部系统的交流，就要与外部系统默认编码进行转换，可通过QTextCodec::setCodecForLocale(codec);进行设置。
中文乱码的原因
之所以产生乱码，是因为解码和编码所采用的字符集不一样。
我们采用字符集A映射规则将人类所能理解的字符串转换为了计算机能理解的字节流，让计算机来帮我们处理复杂的计算事务，处理完毕后，计算机也需要将结果转换成为人类能够理解的字符串（不然全是二进制数字，谁能看懂）。这种编码和解码的过程中采用的字符集必须一致，才能保证转换不发生错误。如果解码过程采用了字符集B，那么就会发生乱码，典型的案例就是我们经常看到的“烫烫烫烫”。
举个例子，如你用GBK保存了中文字符串，也就是说，你用GBK的字符集去将字符串映射为字节流传递给了计算机，同时，你要告诉计算机，这个字节流是通过GBK编码的。计算机计算完成后，便会调用GBK字符集对字节流解码成字符串显示给人类。但是，如果你用GBK了编码中文字符串，却告诉计算机这是用UTF-8编码的，那么计算机接收的字节流实际上是GBK编码的字节流，但输出的时候，计算机却会调用UTF-8字符集去解码，最终就会乱码。
在程序保存、编译、运行过程中，不仅仅会多次发生字符串的编码和解码，同时，还可能存在编码规则的转换，这些过程中，一旦出现了某个字符集的使用失误，便可能导致中文出现乱码。
Qt代码示例
QString内部默认采用Unicode编码，所以，我们在使用QString时，都需要将QString中的字符串转换为Unicode。
QTextCodec *codec =QTextCodec::codecForName("UTF-8");
QString str = codec->toUnicode(“中文”);
这句话的意思是：
“中文”采用UTF-8方式编码，告诉QString要调用UTF-8->Unicode的转换方法进行字符串的转换，最终将“中文”转换为Unicode的编码方式传递给QString存储。
