了解二进制字符串分隔符

Question

我对编码之间的差异感到困惑

• 用\x表示，比如\x68\x65\x6c\x6c\x6f vs.
• 使用 \u 的，例如 \u0068\u0065\u006c\u006c\u006f。

我一直在玩 https://convertcodes.com/unicode-converter-encode-decode-utf/，似乎 UTF-16 使用 \u，UTF-8 使用 \x，但我从其他来源读到 {{ 1}} 并非特定于 UTF-8，而 \x 并非特定于 UTF-16。有什么区别，两种编码都可以使用这两个分隔符吗？此外，这个问题的标题是否正确？这些可以称为二进制分隔符吗？示例字符串（\u 和 \x68\x65\x6c\x6c\x6f）是否被视为二进制字符串、BLOB 或其他内容？这些类型的字符串的正确名称是什么？

Answer 1

一切都完全取决于解释它的人，因此意味着最少的上下文：

• JSON 只知道 \u（未绑定到特定的 UTF 编码）并且总是需要 4 位数字，不知道 \x，并且字符串文字必须包含在 { {1}}。
• PHP 仅在使用 "double quotation marks"字符串文字。
• MySQL 不知道这些转义序列，并且字符串文字可以在 \x 或 \u 中。必须单独使用 hexadecimal literals。这与使用的任何编码无关。
• C++ 知道 "double quotation marks"（期望 2 位数字）、'single quotation marks'（期望 4 位数字）和 "double quotation marks"（期望 8 位数字），它们与 {{3 }} 然后根据编码有不同的结果。字符串字面量始终在 \x 中，单个字符字面量始终在 \u 中。
• String's literal prefix 知道 \U（需要 2 位数字）和 "double quotation marks"（需要代码点）。不同的 RegEx 风格有不同的支持，有些还接受 4 位数字的 'single quotation marks'。大多数情况下 \x 绑定到输入编码（有时用 \N 修饰符暗示 UTF-8）。

另见：什么是 Perl regular expressions。