急救：UCS2转化为十六进制字符串问题

你不是已经给DestBuf赋值了吗？

for (i=0i<leni++)

{

DestBuf[j++] = wcbuf[i]>>8/* height byte */

DestBuf[j++] = wcbuf[i]&0xff /* low byte */

}

有问题吗？

你是不是要这个结果：

char s[1000]

for(int k = 0k <lenk ++)

{

sprintf(&s[2*k],"%02X",DestBuf[k])

}

s[2*k] ='\0'

作者：pansz

链接：https://www.zhihu.com/question/32238553/answer/55632559

来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

开发什么软件就用什么系统，开发linux软件用linux当然比windows方便，更多人使用linux只因为更多人需要开发运行在linux上的软件（android也是linux）。linux搭开发环境比windows方便太多倍了。服务器开发有很多依赖在linux下一个apt-get能搞定在windows下能累死你。编译android源代码，做ndk应用，用linux用方便很多。linux下所有编码缺省都utf8，而windows就存在gbk码，utf8码，utf16/ucs2le之间转换的问题。 以上的问题你要说在windows下有没有办法，也不是没有办法，但都更折腾。所以选择linux无非是为了一个简单的原因：不折腾，少折腾。咱们办公室坚持用windows的都是折腾党。他们费九牛二虎之力让windows开发环境一样能用的时候，却总会发现程序在windows下开发调试存在这样那样的问题。鉴于我们的程序最终一定是在Linux下运行的，折腾windows下的环境并无意义。我个人是经常在自己的模块加宏定义「该功能不支持windows平台」，以避免造成不必要的麻烦。所以其实，你需要什么开发环境，取决于你的程序在什么环境上跑。开发苹果软件，用苹果最好了，开发linux/android/服务器软件，用linux最好了，开发windows/wp应用，用windows最好了！~~因为这所谓最好的方式，其实都是最不折腾的方式。

首先要弄清楚的是，在python里，string object和unicode object是两种不同的类型。

string object是由characters组成的sequence，而unicode object是Unicode code units组成的sequence。

string里的character是有多种编码方式的，比如单字节的ASCII，双字节的GB2312等等，再比如UTF-8。很明显要想解读string，必需知道string里的character是用哪种编码方式，然后才能进行。

Unicode code unit又是什么东西呢？一个Unicode code unit是一个16-bit或者32-bit的数值，每个数值代表一个unicode符号。在python里，16-bit的unicode，对应的是ucs2编码。32-bit对应的是ucs4编码。是不是感觉string里character的编码没什么区别？反正我现在脑子里就是这样一个印象：在Python里，ucs2或者ucs4编码的，我们叫做unicode object，其他编码的我们就叫做string。

至于python里的unicode到底是ucs2还是ucs4的，可以在编译时指定。例如Linux下，要用ucs2做unicode的编码，可以这样

# ./configure --enable-unicode=ucs2

# make

# make install

下载的Windows预编译版本，一般都是ucs2的。要想知道某个python运行环境是ucs2还是ucs4，可以查看sys.maxunicde，65535就是ucs2的，另一个很大的数值就是ucs4。

下面我们看看string和unicode在python里的不同

我们先看看在简体中文Windows 2003系统下，系统编码是GBK

>>>a = '你好'

>>>a

'/xc4/xe3/xba/xc3'

>>>b = u'你好'

>>>b

u'/u4f60/u597d'

>>>print a

你好

>>>print b

你好

>>>a.__class__

<type 'str'>

>>>b.__class__

<type 'unicode'>

>>>len(a)

4

>>>len(b)

2

在一个系统编码为UTF-8的Linux环境下

>>>a = '你好'

>>>a

'/xe4/xbd/xa0/xe5/xa5/xbd'

>>>b = u'你好'

>>>b

u'/u4f60/u597d'

>>>print a

你好

>>>print b

你好

>>>a.__class__

<type 'str'>

>>>b.__class__

<type 'unicode'>

>>>len(a)

6

>>>len(b)

2

如何？简单总结一下：

1、string直接用引号来表示，unicode在引号前加一个u

2、直接输入的string常量会用系统缺省编码方式来编码，例如在GBK环境下，'你好'会编码成'/xc4/xe3/xba/xc3'，而在UTF-8环境下就成了'/xe4/xbd/xa0/xe5/xa5/xbd'。

3、len(string)返回string的字节数，len(unicode)返回的是字符数

4、很重要的一点，print unicode不会乱码。现在我们常用的Linux、Windows系统，都是支持unicode的，版本太老的不算。比如Windows 2003支持ucs2，所以在中文Windows2003下，除了可以正常显示缺省的GBK编码外，还可以正常显示ucs2编码。举个例子，还是在中文Windows 2003的GBK环境下：

>>>a = '/xe4/xbd/xa0/xe5/xa5/xbd' # UTF-8的'你好'

>>>print a

浣犲ソ

>>>b = unicode(a, "UTF-8")

>>>b

u'/u4f60/u597d'

>>>print b

你好

应该明白了吧？

下面再说说string和unicode的相互转换，什么unicode()、decode()、encode()、codecs之类的。

---