字符編碼基礎
在談c++之前，不得不先來說說各種字符編碼。我們知道最早的英文字符采用ascii，因爲英文字符很少，因此一個char就夠用了。但是由於處理其他語言的需求，8位的char顯然不夠用，這就要求更多位數的編碼。
GBK和ANSI
在中國，我們的國標是GBK，(準確的說經歷了GB2313->GBK->GB18030的發展過程），我們常說的漢字佔兩個字節也就是來源於此。
微軟作爲一個世界大廠，採用什麼編碼呢？微軟雖然在語言支持上很上心，不過編碼卻很混亂，微軟的默認編碼是ANSI，這是個什麼東西呢？這其實就是大雜燴，英文還是ascii，中文是GBK，港澳臺使用它們那邊的Big5……等等。這些編碼並不統一，是非常沒有兼容性的。其實ANSI不是一種編碼，不過我就這麼簡單的說了，關於ANSI具體是什麼，你可以看看這篇文章：https://www.cnblogs.com/malecrab/p/5300486.html。
由於我們主要還是說中文問題，以下提到ANSI的地方，你應該立即聯想到，中文是採用GBK編碼的。其中，值得一提的是GBK編碼是雙字節的，這是中文字符佔兩個字節說法的由來。
Unicode
由於各地編碼的不統一，於是產生了Unicode，Unicode其實是一個標準，而不是一種編碼。Unicode現有兩套標準，ucs2和ucs4，一開始認爲雙字節夠用，就是ucs2，後來發現雙字節不夠用，那就擴展到4字節吧，於是就有了ucs4。Unicode現在主要有三種實現方式。即utf-8，utf-16，和utf-32。
utf-16
先講utf-16，這是採用雙字節表示的，遵從ucs2。在存儲時，按兩個字節的排布順序，可以分爲UTF-16LE（Little Endian，小端字節序）和UTF-16BE（Big Endian，大端字節序），微軟所說的Unicode默認就是 UTF-16LE。注意微軟後來也搞了Unicode，但是微軟自己鼓吹的Unicode只是其中一種實現方式而已。
utf-16後來發現雙字節不夠用，於是增加了採用一對雙字節來表示一個字符，這其中也包括一些生僻漢字，之後我們將會提到具體例子。所以其實標準的utf-16也是變字長的編碼，很多人認爲utf-16編碼是定長編碼，這其實是錯誤的。此外，utf-16不等價於ucs2，可以認爲ucs2是定長編碼（雙字節），而utf-16是ucs2的擴展。
utf-32
再說utf-32，既然雙字節不夠用，那就用四字節吧，於是就有了ucs4標準和utf-32實現方式。utf-32所有的字符都採用4個字節，這纔是真正的定長編碼。utf-32等價於ucs4，utf-32也存在存儲順序的問題。由於utf-32基本沒人用，就不詳細展開。
不過，我們知道代碼源文件還是ascii字符主導。而在網頁上，大量的標記都是ascii字符。utf-32要用4字節，utf-16也要2字節，都比最初的ascii長，這顯然是非常浪費空間的，更何況網絡傳輸數據越少越好，因此utf-16和utf-32都是不合用的。
utf-8
utf-8解決了這個問題，utf-8是完全的變長編碼，兼容ascii，也就是ascii編碼部分保留，其他的字符根據情況有2，3，4字節。其中特別值得注意的是漢字一般是三個字節，也有四個字節的生僻字情況。（如果你擁護utf-8的話，請不要在說漢字佔2字節這樣的傻話了。）
utf-8是Unix/Linux系統的默認編碼，在這些系統上使用char和string，無論輸入輸出都是使用utf-8，因此一般不必擔心編碼問題。在這些系統上，string = "你好世界"的size()是12，也就是一個字符三個字節，是沒有任何問題的。你編輯c++源代碼基本不必擔心編碼問題。
但是在windows下就很複雜了。windows自帶Notepad是默認ANSI編碼的。Notepad++和VS Code是默認utf-8編碼，未經配置的gvim以及visual studio默認也是ANSI。關於c++源代碼寫中文的注意事項，將在之後的文章中詳細說明。
總結
現在我們來總結一下編碼我們提到的編碼知識：
-
Unicode是編碼規範而不是編碼方式，它有兩個標準，主要有三種實現方式。
-
utf-8和utf-16都是變長編碼，只有utf-32是定長編碼。
-
網頁上基本採用utf-8作爲編碼方式，utf-32基本很難用到。
-
微軟系統採用的ANSI默認編碼，兼容ascii，其中文采用GBK編碼，漢字爲雙字節，兼容性不好。
-
微軟也有Unicode，它使用的Unicode是utf-16，不兼容ascii，中文爲雙字節，少數爲4字節。
-
Unix/Linux採用utf-8變長編碼，兼容ascii，其中中文一般爲3字節，少數4字節。
建議
現在我們來討論c++的字符編碼問題。
在Unix/Linux系統下，我建議一律採用utf-8編碼，一般沒有任何問題。不過值得注意的一點是此係統下，wchat_t和wstring表示的字符是4字節的字符，應該就是utf-32了。然而utf-32除了定長這一特點之外，沒有任何好處，太浪費空間，用處很少，沒必要去碰它。不過wstring的問題我們之後還會討論，你將會了解更多。
在Windows下，如果你不得不在源文件寫中文，而且又不想看我之後幾篇又臭又長的詳解，你可以使用Qt專有的QString，或者使用Visual Studio來寫代碼。前者的的默認編碼是utf-16，如果不用生僻字，甚至可以按照定長編碼的方式處理字符。後者是依靠微軟這個IDE強大的功能，可以處理各種編碼的源文件。
如果你還想了解更多工作原理，請看之後的文章。我將會首先使用g++8.1.0做實驗，說明c++的字符串的一些特性。