編輯“字符串”（章節(jié)）

== 字符編碼 ==
歷史上，字符串數(shù)據(jù)類型為每個字符分配一個[[字節(jié)]]，盡管精確的字符集隨著區(qū)域而改變，字符編碼足夠類似得程序員可以忽略它 — 同一個系統(tǒng)在不同的區(qū)域中使用的字符集組要

么讓一個字符在同樣位置，要么根本就沒有它。這些字符集典型的基于ASCII碼或EBCDIC碼。
　　
意音文本的語言比如漢語、日語和朝鮮語(合稱為CJK)的合理表示需要多于256個字符(每字符一個字節(jié)編碼的極限)。常規(guī)的解決涉及保持對ASCII碼的單字節(jié)表示并使用雙字節(jié)來表示

CJK字形?，F(xiàn)存代碼在用到它們會導(dǎo)致一些字符串匹配和切斷上的問題，嚴重程度依賴于字符編碼是如何設(shè)計的。某些編碼比如EUC家族保證在ASCII碼范圍內(nèi)的字節(jié)值只表示ASCII字

符，使得使用這些字符作為字段分隔符的系統(tǒng)得到編碼安全。其他編碼如ISO-2022和Shift-JIS不做這種擔(dān)保，使得基于字節(jié)的代碼做的匹配不安全。另一個問題是如果一個字符串的

開頭被刪除了，對解碼器的重要指示或關(guān)于在多字節(jié)序列中的位置的信息可能就丟失了。另一個問題是如果字符串被連接到一起(特別是在被不知道這個編碼的代碼截斷了它們的結(jié)尾

之后)，第一個字符串可能不能導(dǎo)致編碼器進入適合處理第二個字符串的狀態(tài)中。
　　
Unicode也有些復(fù)雜的問題。多數(shù)語言有Unicode字符串數(shù)據(jù)類型(通常是UTF- 16，因為它在Unicode補充位面介入之前就被增加了)。在Unicode和本地編碼之間轉(zhuǎn)換要求理解本地編

碼，這對于現(xiàn)存系統(tǒng)要一起傳輸各種編碼的字符串而又沒有實際標記出它們用了什么[[編碼]]就是個問題。