字节和字符（至少 *nixwise）有什么区别？

Question

我了解任何字符都由一个或多个字节组成。

如果我没记错的话，至少在 *nix 操作系统中，一个字符通常（或完全？）仅由一个字节组成。

字节和字符（至少 *nixwise）有什么区别？

Answer 1

POSIXly，强调我的：

3.87 字符Character一个或多个字节的
序列，表示单个图形符号或控制代码。

实际上，确切的含义取决于有效的语言环境，例如在“C”语言环境下，printf '\xc3\xa4\xc3\xb6' |wc -m给出 4，因为它有效地计算字节数；而在给出 2 的 UTF-8 语言环境下，因为这是两个 UTF-8 编码字符äö。假设您的终端也设置为 UTF-8，您当然可以只写printf 'äö'.

_{（请注意，它wc -c被定义为计算字节数，而不是字符数，这很容易混淆。）}

更糟糕的是，字符支持还取决于实用程序，并不是所有东西都能干净利落地处理多字节字符（更不用说 Unicode 的所有怪癖了）。例如 GNU tr 处理字节，不管它的手册页说的是什么：

$ printf ä | tr ä xy; echo
xx
$ printf ö | tr ä xy; echo
x?

首先是一样的tr '\303\244' 'xy'，所以两个字节的ä被替换，而第二是因为双方的第一个字节ä和ö是一样的。当然，如果它真的处理字符，那些应该打印x和ö。

Answer 2

按照惯例和POSIX 定义，一个字节是八位。位是二进制数字（即基本数字1或0几乎所有数字计算的基础）。

\n

字符通常是一个字节，并且在某些上下文中（例如 ASCII）可以定义为一个字节的长度。然而，Unicode、UTF-8 和 UTF-16 定义了扩展字符集，其中单个字符（或字形）可以由长度超过一个字节的数据有效负载定义。

\n

单个字符：

\n

\n

Q\xcc\xb4\xcc\x91\xcc\x8d\xcc\x89\xcc\x86\xcc\x89\xcd\x9d\xcd\x9b\xcc\x91\xcc\x95\xcc\x82\xcc\xaa\xcc\x98\xcc\xb3\xcc\xa3\xcc\xa2\xcc\x9e\xcc\xa9\xcc\xaa

\n

\n

是单个字符，但它是通过将多个重音符号（或变音符号）应用于基本字形（简单的Q. 这种编码的字节数比长度多得多：仅将该字符放入文件中并使用hexdump而不是cat在我的区域设置上显示内容会产生：

\n

$ hexdump -C demo\n00000000  51 cc b4 cc 91 cc 8d cc  89 cc 86 cc 89 cd 9d cd  |Q...............|\n00000010  9b cc 91 cc 95 cc 82 cc  aa cc 98 cc b3 cc a3 cc  |................|\n00000020  a2 cc 9e cc a9 cc aa 0a                           |........|\n00000028\n

\n