兼济天下则达 独善其身则穷
记得一年前找工作时，阿里巴巴的面试官问了这么一道题，汉字在C语言中是怎么存储的，或者说C语言是如何处理汉字的，对于那时的我是一脸茫然，因为实战经验太少了。前不久，在处理中文标题时出现了乱码问题，组长只在一段代码中改了一句话就解决了问题，觉得非常神奇，于是看这段代码，原来就是关于编码处理的，于是认真的看了这段代码。
通过努力，算是明白了这段代码，其实也就是用了iconv函数族来进行编码之间的转化，再进行特殊处理。例如如果最终目标语言是GBK，可能还需要进行全角和半角之间的转化，繁体到简体的转换。事实上，我们处理时出现了乱码问题正是在繁体到简体的转换时写错了，导致出现乱码。
这里只想写写我自己的理解，在我看来，任何编码保存的文件最后都是字节流，在读取这些字节流时，你只有采用保存文件时采用的编码才不会出现乱码。这就好像加密与解密一样，例如如果一个文件是用utf-8编码的，但你是用GBK打开，此时就会出现乱码了，因为两种编码的编码方式不同。当然还是有一些例外情况，例如如果你是用GB2312保存的文件，用GBK打开是不会出现乱码，因为GBK是兼容GB2312的，GB2312的所有编码的值在GBK中是一样的，只是GBK还利用了GB2312没有用的一些空间来增加了一些编码。而GB18030则又扩充了GBK，包含了更多的字符。
在C语言中，用字符串来保存文本，这些文本都是字节流，只是每种编码占用的空间不同。例如“我是中国人”这5个字，如果是utf-8编码的，因为每个汉字占用3个字节，则要占用15个字节，用strlen可以测出来。如果是GBK编码的，因为每个汉字占用2个字节，则要占用10个字节。对于这样的回答，不知道那个面试官会不会满意呢？
所以这里有一个问题是，给你一个字符串，如果没告诉你用什么编码的，那么要怎么判断它是什么编码的。