单字节字符代码

Question

我正在尝试实现压缩算法，为此我需要一个单字节字符代码数组 - 它们必须是单字节。我不熟悉如何在编程中处理字符代码，但要求是它们应该是单字节而且不依赖于OS /机器。是0到255的整数值是否容易？

如果是这种情况，我使用以下小片段来查看我可以使用哪些字符：

for (int i = 0; i < 256; i++) {
    std::cout << (char)i << std::endl;
}

似乎许多第一个数字是看不见的空白字符，而最后一个数字都显示为？

编辑：

更具体地说，我正在尝试为此paper实现类似的算法。它将DNA序列切割成4段，并使用哈希表转换它们，因此例如AAAA转换为由单字节字符编码的字符，AAAT转换为单字节字符。对于DNA，1字节中的4字节是非常好的压缩（尽管如果我想将字母表从A，T，C，G扩展到A，T，C，G，N，并且 - 我需要6 ^ 4个字符而不是4字母字母表所需的256个。我可以将压缩从4合1减少到3合一，只需要216个单字节字符代码。

这种压缩是我正在尝试编写的内容的一部分，应该从多序列比对中读取序列（6个字母A，T，C，G，N和 - 的序列/字符串）可能非常很大。并删除我的分析程序无法提供的所有信息。我计划通过尽可能地压缩序列，然后在压缩表示中找到无信息的东西，然后扩展剩余的东西，然后进行第二次扫描并在未压缩的表示中去掉剩余的无信息的东西，之前在准备分析程序时再次压缩剩余的信息资料。

也许有比哈希方案更好的方案，我听说过一些我需要阅读的基于参考的方案。我也想过，一旦DNA字符串被压缩成256字节格式，可以用压缩常规文本的方法进一步压缩吗？

Answer 1

为什么会看到此输出

某些ASCII codes不可打印。使用isprint()检查字符是否可打印。

还值得注意的是你的shell使用什么编码。现代设置使用UTF-8，因此如果您尝试打印扩展的ASCII代码，则在输出到终端时，它们可能已被（错误地）解释为multibyte UTF-8 sequences而不是ASCII。

如何处理二进制数据

如果您处理的是运算二进制数据的算法，比如压缩，那么最好完全忽略字符编码。避免将数据解释为终端中的字符串，并将其视为整数序列0-255。在调试时将数据传输到hexdump或打印每个字节的整数值。

Answer 2

有多个字符集。如果您想要单字节保证的单字节，那么您需要ASCII字符集。如果你想支持非英语语言，你可以使用特定的代码页，但是你必须决定哪一个。

另请注意，您可以使用char（8位，有符号）和字节（8位，无符号）进行计算。

以下是角色列表及其解释：http://en.wikipedia.org/wiki/ASCII

字符集肯定是依赖于操作系统的。我建议你使用UTF-8，并且知道 - 通常 - 你将获得单个字符字节。

P.S。如果您正在压缩文件，为什么还要关心？逐字节读取文件（或char-by-char）并在另一端再现相同的字节/字符肯定会有效。