Text 不同的字符占用更多/更少的数据？

我正在做一个个人项目，我想知道某些字符在文本文件中是否比其他字符占用更多的数据。我需要选择一个字符来分隔文件中的项目，但如果0使用的字节数少于a！或者什么的，最好这样做。我知道所有字符都有一个ASCII值，但ASCII值越低是否意味着字符可以存储在更少的字节中

这可能是一个非常愚蠢的问题，但我在网上没有看到关于这个主题的任何信息，所以我来这里查看

---

谢谢

一个字符是否会比另一个字符占用更多空间取决于您使用的字符集。某些字符集的宽度可变[1]。UTF-8就是这样一个字符集。以UTF-8为例，标准ASCII字符的宽度均为1字节，而扩展ASCII字符开始占用多个字节（最多6个）[2]

在您的示例中，对于“0”和“！”：两者都是标准ASCII，因此在UTF-8中都是1字节宽

参考文献：

---

一个字符是否会比另一个字符占用更多空间取决于您使用的字符集。某些字符集的宽度可变[1]。UTF-8就是这样一个字符集。以UTF-8为例，标准ASCII字符的宽度均为1字节，而扩展ASCII字符开始占用多个字节（最多6个）[2]

在您的示例中，对于“0”和“！”：两者都是标准ASCII，因此在UTF-8中都是1字节宽

参考文献：

---

您还可以通过将不同字符放入文件并使用

ls-l

或

stat-f“%N%z”

命令检查文件大小来测试它们的大小

test $cat a
0
test $cat b
!
test $cat c
ક
test $cat d
æ
test $stat -f "%N %z" *
a 2
b 2
c 4
d 3
test $ls -l 
total 32
-rw-r--r--  1 spundun  wheel  2 Jun  2 14:10 a
-rw-r--r--  1 spundun  wheel  2 Jun  2 14:10 b
-rw-r--r--  1 spundun  wheel  4 Jun  2 14:11 c
-rw-r--r--  1 spundun  wheel  3 Jun  2 14:13 d
test $

---

我相信每个文件都有一个额外的字节来表示文件

EOF

的结尾。因此，字符的大小分别为1、1、3和2。

您还可以通过将不同字符放入文件并使用

ls-l

或

stat-f“%N%z”

命令检查文件大小来测试不同字符的大小

test $cat a
0
test $cat b
!
test $cat c
ક
test $cat d
æ
test $stat -f "%N %z" *
a 2
b 2
c 4
d 3
test $ls -l 
total 32
-rw-r--r--  1 spundun  wheel  2 Jun  2 14:10 a
-rw-r--r--  1 spundun  wheel  2 Jun  2 14:10 b
-rw-r--r--  1 spundun  wheel  4 Jun  2 14:11 c
-rw-r--r--  1 spundun  wheel  3 Jun  2 14:13 d
test $

---

我相信每个文件都有一个额外的字节来表示文件

EOF

的结尾。因此，字符的大小分别为1、1、3、2。

这不是一个愚蠢的问题。这是一个奇怪而有趣的问题@内森：注意你的程序可能使用了127个ASCII字符。如果你想支持任何其他字符，答案会复杂得多。实际上我只使用了大约20个字符，很好。这不是一个愚蠢的问题。这是一个奇怪而有趣的问题@内森：注意你的程序可能使用了127个ASCII字符。如果你想支持其他字符，答案会复杂得多。实际上我只用了大约20个字符，都很好。谢谢你提供的信息！很高兴知道，我不需要从ASCII[0]和更高版本构建来保存字节或其他内容：p2小细节。（1） “扩展ASCII”不是真的，它是一个假装的东西，与Unicode无关。（2） “2003年11月，UTF-8受到RFC3629的限制……这删除了所有5字节和6字节的序列，以及大约一半的4字节序列。”因此，“代码点”的限制现在是4字节。我说“码点”而不是“字符”，因为“字符”有1245342个定义，在几乎所有的定义中，一个字符可能由许多码点组成；这是Unicode字符集的几种编码之一。感谢您提供的信息！很高兴知道，我不需要从ASCII[0]和更高版本构建来保存字节或其他内容：p2小细节。（1） “扩展ASCII”不是真的，它是一个假装的东西，与Unicode无关。（2） “2003年11月，UTF-8受到RFC3629的限制……这删除了所有5字节和6字节的序列，以及大约一半的4字节序列。”因此，“代码点”的限制现在是4字节。我说“码点”而不是“字符”，因为“字符”有1245342个定义，在几乎所有的定义中，一个字符可能由许多码点组成；这是Unicode字符集的几种编码之一。