正确使用 unicode 字符答案

【问题标题】：Use unicode characters correctly正确使用 unicode 字符
【发布时间】：2019-03-08 01:46:43
【问题描述】：

我正在尝试使用任何类型的字符保存二进制文件，例如：

$  LC_CTYPE=en_US.UTF-8 erl
Erlang/OTP 20 [erts-9.2] [source] [64-bit] [smp:8:8] [ds:8:8:10] [async-threads:10] [hipe] [kernel-poll:false] [dtrace]

Eshell V9.2  (abort with ^G)
1> TextBinaryWithSpecialChar =  <<" Hey, If you’re down, I’m here to help">>.                    
<<32,72,101,121,44,32,73,102,32,121,111,117,25,114,101,32,
  100,111,119,110,44,32,73,25,109,32,104,101,114,...>>
2>

我怎样才能让它保存我想要的东西：>

【问题讨论】：

Must UTF-8 binaries include /utf8 in the binary literal in Erlang?的可能重复

标签： erlang erlang-otp

【解决方案1】：

1> <<"you’re"/utf8>>. 
<<121,111,117,226,128,153,114,101>>

在 UTF-8 中，一个“右单引号”由三个字节表示：

             Hex 
          Notation
           -------
1st byte:    E2 => E=14    2 
                   1110  0010 = 226

2nd byte:    80 =>  8     0
                   1000  0000 = 128

3rd byte:    99 =>  9     9
                   1001  1001 = 153

当您没有为二进制文件指定 utf8 时，我不知道 erlang 如何为“右单引号”获取 25。（14 + 2 + 9 = 25？）

在 erlang 中，"abc" 只是列表 [97,98,99] 的快捷方式，与二进制文件类似：

5> <<97,98,99>>.
<<"abc">>

shell显示字符还是数字无关：

6> <<97,98,99>> == <<"abc">>.
true

【讨论】：

“右单引号”变为 25，因为除非另有说明，否则 Erlang 会将二进制文件中的值截断为字节。它的代码点是 U+2019，所以它被截断为 16#19，等于 25。
@legoscia，这不会被数字截断——不是字节吗？ 2019 的二进制是：0000 0111 1110 0011。我看不出如何截断它——不管你怎么切——会得到0001 1001（或25）。
2019 是十六进制的，所以 0010 0000 0001 1001 是二进制的。
@legoscia, 2019 is in hex - 谢谢。