LV18-01-LCD应用编程-07-字符的编码

发表于 分类于 ， ， 本文字数： 2.5k 阅读时长 ≈ 9 分钟

本文主要是LCD应用编程——字符的编码的相关笔记，若笔记中有错误或者不合适的地方，欢迎批评指正😃。

点击查看使用工具及版本
PC端开发环境 Windows Windows11
Ubuntu Ubuntu20.04.2的64位版本
VMware® Workstation 17 Pro 17.6.0 build-24238078
终端软件 MobaXterm(Professional Edition v23.0 Build 5042 (license))
Win32DiskImager Win32DiskImager v1.0
Linux开发板环境 Linux开发板 正点原子 i.MX6ULL Linux 阿尔法开发板
uboot NXP官方提供的uboot，NXP提供的版本为uboot-imx-rel_imx_4.1.15_2.1.0_ga(使用的uboot版本为U-Boot 2016.03)
linux内核 linux-4.15(NXP官方提供)
点击查看本文参考资料
分类 网址 说明
官方网站 https://www.arm.com/ ARM官方网站，在这里我们可以找到Cotex-Mx以及ARMVx的一些文档
https://www.nxp.com.cn/ NXP官方网站
https://www.nxpic.org.cn/NXP 官方社区
https://u-boot.readthedocs.io/en/latest/u-boot官网
https://www.kernel.org/linux内核官网
其他网站 kernel - Linux source code (v4.15) - Bootlin linux内核源码在线查看
点击查看相关文件下载
分类 网址 说明
NXP https://github.com/nxp-imx NXP imx开发资源GitHub组织，里边会有u-boot和linux内核的仓库
https://elixir.bootlin.com/linux/latest/source 在线阅读linux kernel源码
nxp-imx/linux-imx/releases/tag/rel_imx_4.1.15_2.1.0_ga NXP linux内核仓库tags中的rel_imx_4.1.15_2.1.0_ga
nxp-imx/uboot-imx/releases/tag/rel_imx_4.1.15_2.1.0_ga NXP u-boot仓库tags中的rel_imx_4.1.15_2.1.0_ga
I.MX6ULL i.MX 6ULL Applications Processors for Industrial Products I.MX6ULL 芯片手册（datasheet，可以在线查看）
i.MX 6ULL Applications ProcessorReference Manual I.MX6ULL 参考手册（下载后才能查看，需要登录NXP官网）

一、编码与字体

这一部分看这一篇笔记吧：《01嵌入式开发/01HQ课程体系/LV16-STM32开发/LV16-26-LCD-05-字符编码.md》

二、指定编码格式

在 C 源文件中要是有中文的话，这个中文的编码方式是 GB2312 还是 UTF-8？编译出的可执行程序，其中的汉字编码方式是 GB2312 还是 UTF-8？

注意：一般不会使用 UTF-16 的编码方式，在这种方式下 ASCII 字符也是用 2 字节来表示，而其中一个字节是 0，但是在 C 语言中 0 表示字符串的结束符，会引起误会。

我们编写 C 程序时，可以使用 ANSI 编码，或是 UTF-8 编码；在编译程序时，可以使用以下的选项告诉编译器： 

1
2
-finput-charset=GB2312
-finput-charset=UTF-8

如果不指定“ -finput-charset”， GCC 就会默认 C 程序的编码方式为 UTF-8，即使我们是以 ANSI 格式保存，也会被当作 UTF-8 来对待。

对于编译出来的可执行程序，可以指定它里面的字符是以什么方式编码，可以使用以下的选项编译器： 

1
2
-fexec-charset=GB2312
-fexec-charset=UTF-8

如果不指定“ -fexec-charset”， GCC 就会默认编译出的可执行程序中字符的编码方式为 UTF-8。

如果“ -finput-charset”与“-fexec-charset”不一样，编译器会进行格式转换。

三、编码格式实验

1. 准备两个文件

我们准备两个文件，内容都是这样的：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#include <stdio.h>
#include <string.h>

int main(int argc, char **argv)
{
	char *str = "A中";
	int i;
	
	printf("str's len = %d\n", (int)strlen(str));
	printf("Hex code: ");
	for (i = 0; i < strlen(str); i++)
	{
		printf("%02x ", (unsigned char)str[i]);
	}
	printf("\n");
	return 0;
}

一个名为file_set_ansi.c，编码格式为ANSI：

image-20241016233237675

另一个命名为file_set_utf8.c：

image-20241016233432107

然后在VScode打开的时候是这样的：

image-20241016233602589

2. 默认编码

我们不指定不指定“-finput-charset”与“ -fexec-charset”时， 编译上面两个文件并执行：

1
2
3
4
5
gcc -o file_set_ansi file_set_ansi.c 
./file_set_ansi

gcc -o file_set_utf8 file_set_utf8.c 
./file_set_utf8
image-20241016234344459

由于input-charset和 exec-charset 默认都是 UTF-8，不会进行编码转换。即使 C 文件是 ANSI，也会被认为是 UTF-8，所以不会导致编码转换。

3. GB2312 转为 UTF-8 

1
2
3
4
5
gcc -finput-charset=GB2312 -fexec-charset=UTF-8 -o file_set_ansi file_set_ansi.c 
./file_set_ansi

gcc -finput-charset=GB2312 -fexec-charset=UTF-8 -o file_set_utf8 file_set_utf8.c 
./file_set_utf8
image-20241016234628149

从上面的输出信息可以看出来， GB2312 的“0xd6 0xd0”可以转换为 UTF-8的“ 0xe4 0xb8 0xad”。而如果把原本就是 UTF-8 格式的 file_set_utf8.c 当作 GB2312 格式，会引起错误。

4. UTF-8 转为 GB2312 

1
2
3
4
5
gcc -finput-charset=UTF-8 -fexec-charset=GB2312 -o file_set_ansi file_set_ansi.c 
./file_set_ansi

gcc -finput-charset=UTF-8 -fexec-charset=GB2312 -o file_set_utf8 file_set_utf8.c 
./file_set_utf8
image-20241016234930038

从上面的输出信息可以看出来，如果把原本就是 GB2312 格式的file_set_ansi.c 当作 UTF-8 格式，会引起错误。而 UTF-8 格式的“中”编码值为“ 0xe4 0xb8 0xad”，可以转换为 GB2312 的“0xd6 0xd0”。在代码中使用汉字这类非 ASCII 码时，要特别留意编码格式。

四、C语言中的wchar_t类型

要显示一个字符，首先要确定它的编码值。常用的是 UNICODE 编码，在程序里使用这样的语句定义字符串时， str 中保存的要么是 GB2312 编码值，要么是UTF-8 格式的编码值，即使编译时使用“ -fexec-charset=UTF-8”， str 中保存的也不是直接能使用的 UNICODE 值： 

1
char *str = “中”;

如果想在代码中能直接使用 UNICODE 值，需要使用 wchar_t，宽字符类型：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
#include <stdio.h>
#include <string.h>
#include <wchar.h>

int main( int argc, char** argv)
{
	wchar_t *chinese_str = L"中 gif";
	unsigned int *p = (wchar_t *)chinese_str;
	int i;

	printf("sizeof(wchar_t) = %d, str's Uniocde: \n", (int)sizeof(wchar_t));
	for (i = 0; i < wcslen(chinese_str); i++)
	{
		printf("0x%x ", p[i]);
	}
	printf("\n");

	return 0;
}

我们编译运行一下：

1
gcc -o wchar wchar.c
image-20241017073830336

每个 wchar_t 占据 4 字节，可执行程序里 wchar_t 中保存的就是字符的 UNICODE值。

注意：如果 wchar.c 是以 ANSI(GB2312)格式保存，那么需要使用以下命令来编译： 

1
gcc -finput-charset=GB2312 -fexec-charset=UTF-8 -o wchar wchar.c