哎呀呀,今天9月30号,马上就要十一长假了,心里还有点小小浮躁,工作已经基本做完,想成为技术大牛怎么可以如此浮躁,为了应付浮躁的心灵,决定写一篇小博,平静一把。
今天一个配置文件需要有中文,并且同事是在windows下使用,我在ubuntu下使用,当然是伟大的vim了,肯定会遇到中文编码格式的问题,需要配置一下vimrc。
这里也正好研究一下vim的编码配置设置,记录在此,以备后忘。
vim里面的字符编码主要跟三个参数有关:enc(encoding), fenc(fileencoding)和fencs(fileencodings)
fenc是当前文件(打开已有文件以及新建文件)的编码,你可以通过改变 fenc后再w来将此文件存成不同的编码。比如说,我:set fenc=utf-8然后:w就把文件存成utf-8的了,:set fenc=gbk再:w就把文件存成gbk的了。
这个值对于打开文件的时候是否能够正确地解码没有任何关系。
fencs就是在打开已有文件的时候进行解码的猜测列表,这个值是在vimrc中写死的,文件编码没有百分百正确的判断方法,所以vim只能猜测文件编码。比如我的vimrc里面这个的设置是
set fileencodings=utf-8,gbk
所以我的vim每打开一个文件,尝试fencs列表中的解码格式进行解码,如果中间的某次解码从头到尾都没有出错,那么 vim就认为这个文件是这个编码的,不会再进行后面的尝试了。
这个时候,fenc的值就会被设为vim最后采用的编码值,vim下进入命令行模式用set fenc来查看当前已有文件的编码格式。
当然这个也是有可能出错的,比如你的文件是gbk编码的,但是实际上只有一两个字符是中文,那么有可能他们正好也能被utf-8解码,那么这个文件就会被误认为是utf-8的导致错误解码。
enc,其作用是vim的显示编码格式。不管最后的文件是什么编码的,vim都会将其转换为当前系统编码来进行处理,这样才能在当前系统里面正确地显示出 来,enc就是干这个的。
这3个参数fencs fenc enc都可以在vim的命令行模式下set fencs/fenc/enc查看。
从打开一个已有文件的过程来看这3个参数的区别,首先vim或利用fencs列表去匹配解码文件,正确解码后就设置fenc为当前解码格式,解码完成呢,接着会做一个转码,将文件转为enc所指的编码格式来显示出来。
这就是这3个配置参数的作用!
将gbk格式文件用vim打开,默认编码格式utf8,打开时在vim下部会显示converted,表示编码格式已转换。
打开创建新文件,当然默认的编辑模式是在使用enc指定的编码格式,一般是utf8的,保存文件时我们可以使用fenc指定当前文件编码格式,如set fenc=gbk。就可以实现windows下的正确显示了。
显示编码格式是enc,当前文件编码格式是fenc,vim支持的编码格式是fenc,这中间牵扯到文件格式到显示格式的转换,这样就去分开了。
当然,如果想深入研究,最好的办法看vim的源码,虽然我有追究到底的精神,但我也不是神经。。对于工具的研究适可而止就可以了少年。
编码参数配置就是这样,到此为止,作为底层软件工程师觉得不是很爽,得深入到最底层数据吧。
深入思考一下,编码格式utf8 gbk是针对于文本文件来说的,编码格式是什么意思。
文件本来就是躺在存储器里的一段数据,数据就是01010111的二进制。二进制数据本身是没有意义的,但是编码赋予了这段数据意义。
文本文件区别于二进制文件就是编码层次,在中间有一编解码层,这一层应该是各个编辑器如vim emacs需要做的工作。
因为对于应用编程,最底层的读写函数(read write)读出来的是最原始的二进制数据,编辑器在对这些原始数据根据编码格式来解释显示。
如果想深究,还是一个方法,不怕受罪读编辑器源码吧!
不同的编码格式肯定对于一段相同的二进制数据的解释是不一样的,所以会造成乱码。