C++char类型和输入输出优化 C++char类型和输入输出优化

1、char类型

char的全称是character，也就是字符的意思。顾名思义，char类型是专门为了存储字符而设计的。

计算机存储数字非常方便，只需要将其转化成二进制即可。但存储字符就有点麻烦了，一般都是通过对字符进行数字化编码。这也就是为什么char类型本质上是另外一种整数，因为它存储的其实是字符的数字编码。

char一共有8个二进制位，即一个字节，理论上能够存储256个字符。基本上足够涵盖计算机当中所有的字母、标点符号以及数字，即ASCII码。

ASCII的全称是美国信息交换标准代码，它是一套电脑编码系统，包含了所有英文字母以及标点符号和一些特殊字符。全表一共有128个字符，刚好可以用一个char（有符号）来存储。

大家可以参考一下下表，Dec表示编号，Char表示字符。

其中数字0的编号是48，字母a的编号是97，大写字母A的标号是65。

当我们把一个字符赋值给char型变量的时候，它会去查ASCII表，找到字符对应的编号。同样，当我们使用%c输出一个字符的时候，它也会去寻找char中存储的编码对应的符号进行输出。

既然字符在C++当中都是以数字的形式存储的，那么我们就可以对它来进行加减运算。

比如：

char c = 'a';
cout << ++c << endl;

得到的结果是'b'，有加自然也有减，我们也可以对它做减法操作。

char c = 'b';
cout << --b << endl;

得到的结果就是'a'。

另外，我们还可以对于两个char类型的变量进行减法操作。比如用得比较多的就是将字符型的数字转成int型。

char c = '1';
int num = c - '0';

这样我们得到的num就是数字型的1。

再比如，我们还可以通过大于小于符号来判断char类型的范围：

char c = '1';
if (c >= '0' && c <= '9') {
    cout << "c is a number" << endl;
}

2、getchar、putchar、cin.get、cout.put

getchar和putchar都是C语言当中专门面向字符IO的函数，也就是读入和输出字符的函数。

因为确定了处理的数据类型是字符，不需要额外的格式说明，因此getchar和putchar的效率要比scanf和printf更高。

所以在算法竞赛领域，有人为了提升程序的性能，丧心病狂地使用getchar代替scanf来读入数据。

我这里贴一段使用getchar来读入int型的代码，给大家做一个参考。这个属于标准的奇淫技巧，不推荐使用。

void read(int &x) {
    int f = 1; x = 0; char s = getchar();
    while (s < '0' || s > '9') {
        if (s == '-') {
            f = -1;
            s = getchar();
        }
    }
    while (s >= '0' && s <= '9') {
        x = x * 10 + s - '0';
        s = getchar();
    }
    x *= f;
}

cin.get和cout.put与getchar和putchar的用法类似，只不过是C++当中的特性。大家可以参考一下下面这个例子，就不过多赘述了。

char c;
cin.get(c);
cout.put(c);

3、输入输出中文

关于这一段我犹豫了很久要不要加，因为实在是没有相关经验，毕竟之前只刷题了。纠结了很久还是决定写上，因为这个问题对于不少同学应该挺重要的，尤其是想要做C++工程的同学。本人水平有限，勉强整理了一下各方资料，如有错误，欢迎指出~

其实直接在C++当中是可以直接输出中文的，这并不会有什么问题。

比如下列代码，是可以完美运行的：

string str;
cin >> str;
cout << str << endl;
cout << str.length() << endl;

只是为什么最后输出的长度是6？因为我是在Mac上跑的这段代码。在Mac当中默认使用utf-8编码，一个汉字的长度是3个字节。C++当中的字符串计算长度的时候统计的是字节的数量，所以两个汉字的长度是6。

如果我们是在源代码当中写入了中文，比如：

string str = "中文";
cout << str << endl;

这就可能一些问题，最常见的问题就是代码存储环境和运行环境的默认编码不同，比如IDE当中默认是utf-8编码，但是终端默认是gbk编码（windows系统常见）。这就会导致输出的结果是乱码。

解决方案是我们可以使用wchar_t，wchar_t即char的宽类型版本，它占据两个字节。可以用来存储unicode编码的字符：

const wchar_t* str = L"中文";

我们在中文两个字之前加上了L修饰符，它告诉编译器，这是一个宽字符，我们需要编译器根据locale来进行翻译。

locale是指根据计算机用户使用的语言、所在的国家或地区以及文化传统而定义的软件运行时的语言环境。可以将locale理解为一系列环境变量。locale环境变量值的格式为language_area.charset。languag表示语言，例如英语或中文；area表示使用该语言的地区，例如美国或者中国大陆；charset表示字符集编码，例如UTF-8或者GBK。

这些环境变量会对日期格式，数字格式，货币格式，字符处理等多个方面产生影响。在Linux系统下打开Terminal，输入locale命令，就可查看当前系统使用的语言环境。

locale的结果包含12类，我在网上也找到了表格：

LANG指的是未设置的默认值，大部分程序应用LANGUAGE指定的语言作为界面语言。LC_ALL同时设置所有的内容，并且其优先级比每个内容单独设置的优先级都高，而LANG的优先级最低。

cin和cout可以看成是针对char的流，所以不适合应用在wchar_t类型的处理上。与之对应我们应该使用wcin和wcout。而wcout默认采用的是C local，并不认识中文，所以我们要先对wcout的local进行设置。将其设置成和运行环境的local一致。

大约有以下几种设置方法：

#include <codecvt>
const wchar_t* str = L"中文";

// 使用默认local
locale loc("");
wcout.imbue(loc);

// 使用local命令显示的结果
locale loc("en_US.UTF-8");
wcout.imbue(loc);

// 使用标准facet
locale utf8(locale(), new codecvt_utf8_utf16<wchar_t> );
wcout.imbue(utf8);

// 使用系统local
locale sys_loc("");
wcout.imbue(sys_loc);

wcout << str << endl;
cout << wcslen(str) << endl;

我们可以使用wcslen来计算宽字节字符串的长度，它输出的结果是2，而不是6。

C++当中的编码设置是一个很大的问题，因为在刷题当中几乎不会遇到，我们这里也只是做一个浅尝辄止的讨论。大家如果有需要，可自行深入研究。