編碼 - Unicode等

檢查與設定本地編碼

1️⃣ 檢查目前系統的本地編碼

Windows (cmd / PowerShell)

chcp

會顯示目前的「代碼頁 (Code Page)」：

• 950：繁體中文（Big5）
• 936：簡體中文（GBK）
• 65001：UTF-8

Linux / macOS (Terminal)

locale

查看 LANG 或 LC_CTYPE 的值，例如：

LANG=zh_TW.UTF-8

2️⃣ 在 C++ 程式內檢查當前編碼

#include <clocale>
#include <iostream>

int main() {
    std::cout << "Current locale: " << std::setlocale(LC_ALL, nullptr) << std::endl;
}

在 Windows 通常會顯示像 C 或 Chinese (Traditional)_Taiwan.950。

3️⃣ 設定本地編碼

Windows 命令提示字元 (cmd)

chcp 65001

→ 將命令列切換為 UTF-8。

PowerShell

$OutputEncoding = [Console]::OutputEncoding = [Text.Encoding]::UTF8

在 C++ 程式內設定

#include <clocale>

int main() {
    std::setlocale(LC_ALL, "zh_TW.UTF-8");  // 設為 UTF-8
}

或在 Windows 設定 Big5

std::setlocale(LC_ALL, "Chinese_Taiwan.950");

4️⃣ 建議設定

• 如果要與 .NET / Web 互通，建議統一使用 UTF-8。
• VS 專案可在 屬性 → 高階 → 原始檔字元編碼 選擇 UTF-8。
• Console 輸出若亂碼，可搭配：

  SetConsoleOutputCP(65001);  // 設定輸出為 UTF-8
  SetConsoleCP(65001);         // 設定輸入為 UTF-8
  

設定永久編碼

1️⃣ 問題背景

使用 chcp 65001 只能暫時改變當前命令提示字元 (cmd) 的編碼，一旦關閉視窗或重新啟動，就會恢復預設值（例如 950 Big5）。若希望讓整個系統、所有應用程式都使用 UTF-8，需在 Windows 系統層級修改「地區設定」。

2️⃣ 永久設定整個 Windows 使用 UTF-8

步驟一：開啟地區設定

1. 開啟 控制台 (Control Panel)
2. 選擇 時鐘和地區 → 地區 (Region)
3. 切換到 管理 (Administrative) 分頁
4. 點擊 變更系統地區設定 (Change system locale...)

步驟二：啟用 UTF-8

1. 勾選底部的：
   ✅ Beta: 使用 Unicode UTF-8 提供全球語言支援 (Use Unicode UTF-8 for worldwide language support)
2. 按下「確定」並重新啟動系統

重開機後，Windows Console、C++、.NET、Python 等程式的預設 locale 都會是 UTF-8。

3️⃣ 驗證是否生效

在 cmd 驗證

chcp

若顯示：

Active code page: 65001

即表示 UTF-8 已成為預設。

在 C++ 驗證

#include <clocale>
#include <iostream>

int main() {
    std::cout << "Current locale: " << std::setlocale(LC_ALL, nullptr) << std::endl;
}

4️⃣ 注意事項

• 某些舊版軟體或驅動不支援 UTF-8，可能會出現亂碼。
• 若出現兼容性問題，可取消該勾選回復 Big5。
• VSCode、Visual Studio、PowerShell 等現代工具皆完整支援 UTF-8。

5️⃣ 替代方案（不改整系統）

如果不想全系統改成 UTF-8，可針對某些應用設定啟動參數或程式內設定：

cmd /K chcp 65001

SetConsoleOutputCP(65001);
SetConsoleCP(65001);

Unicode escape sequences

基本概念

Unicode escape sequence 是一種用純 ASCII 字元來表示 Unicode 字符的方法， 常見於程式語言原始碼、JSON、字串常值與跨平台資料交換。 當環境無法直接輸入或顯示特定字元時，會使用這種表示法。

\u 格式

最常見的格式是 \uXXXX，其中 XXXX 為 4 位十六進位數， 表示 Unicode 碼位。

• \u0041 → A
• \u00E9 → é
• \u4E2D → 中

\U 格式

部分語言（如 Python）支援 \UXXXXXXXX，使用 8 位十六進位數， 可直接表示所有 Unicode 碼位。

• \U0001F600 → 😀

代理對表示法

在僅支援 16 位元 Unicode 的環境（如 JavaScript 舊規格）中， 超過 U+FFFF 的字元需使用代理對（surrogate pair）。

• \uD83D\uDE00 → 😀

常見語言範例

JavaScript

const s = "\u4E2D\u6587";

Python

s = "\u4E2D\u6587"
s2 = "\U0001F600"

JSON

{
  "text": "\u4E2D\u6587"
}

使用時機

• 避免原始碼編碼不一致造成亂碼
• 確保跨系統、跨語言資料正確傳輸
• 在僅允許 ASCII 的環境中表示非 ASCII 字元

URL Encoding

基本概念

URL Encoding（又稱 Percent-Encoding）是一種將字元轉換為可安全用於 URL 的表示方式。 URL 僅允許特定的 ASCII 字元，其餘字元必須轉換成百分比加十六進位數的形式。

編碼格式

編碼格式為 %HH，其中 HH 是該字元位元組值的十六進位表示。 若字元在 UTF-8 下佔多個位元組，會分別編碼。

• 空白 → %20
• ! → %21
• 中 → %E4%B8%AD

保留字元

URL 中有部分字元具有特殊語意，稱為保留字元。 是否需要編碼取決於使用位置。

• :
• /
• ?
• &
• =
• #

未保留字元

以下字元在 URL 中可直接使用，不需編碼。

• A–Z a–z
• 0–9
• - _ . ~

常見語言範例

JavaScript

encodeURIComponent("中文 test")
decodeURIComponent("%E4%B8%AD%E6%96%87%20test")

Python

from urllib.parse import quote, unquote

quote("中文 test")
unquote("%E4%B8%AD%E6%96%87%20test")

與加號的差異

在 application/x-www-form-urlencoded 格式中， 空白字元會被編碼成 +，而非 %20。 一般 URL 路徑中仍使用 %20。

使用時機

• 網址包含非 ASCII 字元
• 傳遞查詢參數避免語法衝突
• 確保不同瀏覽器與伺服器解析一致

Hexadecimal Escapes

基本概念

Hexadecimal Escapes 是一種使用十六進位數來表示字元的跳脫寫法， 常用於程式語言的字串常值中，用來表示特定位元組或 ASCII 字元。

\x 格式

最常見的格式是 \xHH，其中 HH 為 2 位十六進位數， 代表一個位元組的值，通常對應 ASCII 或單一位元組字元。

• \x41 → A
• \x61 → a
• \x0A → 換行

適用範圍

Hexadecimal Escapes 多半僅適用於單一位元組， 若使用 UTF-8 編碼的多位元組字元，需拆成多個 \xHH。

• 中（UTF-8）→ \xE4\xB8\xAD

常見語言支援

C / C++

char c = '\x41';

JavaScript

const s = "\x48\x65\x6C\x6C\x6F";

Python

s = "\x48\x65\x6C\x6C\x6F"

與 Unicode Escapes 的差異

• Hexadecimal Escapes 以位元組為單位
• Unicode Escapes 以 Unicode 碼位為單位
• Hexadecimal Escapes 較適合低階資料或 ASCII
• Unicode Escapes 較適合多語系文字

使用時機

• 需要精確控制位元組內容
• 處理二進位資料或通訊協定
• 表示不可列印的控制字元

ASCII 編碼表

所有中文字的 Unicode 範圍

Unicode 中的中文字符主要分佈在以下幾個區段。以下列出常見的中文字符（漢字）在 Unicode 表中的各範圍，以及每個範圍的詳細說明。

Unicode 範圍說明

• CJK Unified Ideographs (中日韓統一表意文字)：主要收錄最常見的中文字符。
• CJK Unified Ideographs Extension A、B、C、D、E、F、G：為補充區，涵蓋更廣泛的中文字符，包含古文字及少數使用頻率較低的字。
• CJK Compatibility Ideographs (中日韓相容表意文字)：收錄與其他字符系統兼容的字符，常用於字形兼容需求。

各範圍列表

總結

以上列出的範圍包含大部分的漢字字符，並分佈在多個不同的區域以滿足不同需求，包括現代漢字、古文字及相容字符等。對於中文字體設計或字符分析來說，這些範圍提供了完整的字體支援。

Unicode Icons

UTF-8字元表

---

---

---

email: [email protected]

T:0000

資訊與搜尋 | 回dev首頁
email: Yan Sa [email protected] Line: 阿央
電話: 02-27566655 ,03-5924828

阿央
泱泱科技
捷昱科技泱泱企業