一门语言在实现 String 和 Binary 两种类型时， 他们的数据结构差异性在哪里？

Question

string 是我们非常常用的基础数据类型，binary 也是时长用到。它们的差异性有时候让人有点摸不着头脑

• 一个仅包含ascii字符的简单字符串："hello"，对应的十六进制编码是 68 65 6c 6c 6f，它作为 string 保存和作为 binary 保存会有差异吗？

• 对于包含类似 UTF-8 编码的多字节字符的字符串："你好"，对应的十六进制编码是 e4 bd a0 e5 a5 bd，转化为binary时，会有字节序等影响吗？

Answer 1

字符串在软件内部的表示取决于内部实现。比如 Windows NT、Java 内部使用 UTF-16LE 编码保存字符串，C（wchar*）使用两字节或者四字节编码，Python 2 （unicode 类型）至 3.2 依编译时选项使用两字节或者四字节编码，Python 3.3 以后依字符串内容使用单字节、两字节或者四字节编码，Go 和 Rust 使用 UTF-8 编码。MySQL 有两种字符串编码：「utf8」使用三字节编码，「utf8mb」使用四字节编码。

字符串并不能直接「作为」二进制保存；你（或者你所使用的软件）必须将其进行编码。上边我已经讨论了内部在内存中的编码表示。如果要存储到文件，或者通过网络传输，需要使用者（做这件事的人）指定编码，或者采用默认编码的。

ASCII、Latin-x、UTF-8 编码是字节序无关的（前两类是单字节编码）。GB18030 和 UTF-16、UTF-32 是字节序相关的。