空格符在多种字符集下的编码

前一段时间在写代码时(在VC下)，要去掉网页内容中的空格之类的空白符，发现一个问题，那就是有一些空格并没有被去掉，一时不知所措，郁闷了一段时间。后来发现，在已经早有准备的UNICODE上出现了错误，或是理解为在UNICODE上出现了转机。没想到的是在UNICODE下空格是0x3000(12288)，而一直当成0x0020(32)，UNICODE下的扩展ASCII。若是英文下的空格那肯定是0x0020，若是中文下的空格那就是0x3000，当然是在UNICODE大环境下。

        在写网页文章时，不乏在中文输入法的情况下输入空格，这时要想去掉就的去判断是否==0x3000，这样才能做进一步的处理。现在还没有发现在中文输入法下，输入TAB键是否不一样！我目前发现还是一样的，都是0x0009(9)，若发现不行了，再回来补充吧！

        在网页中的字符集编码又不相同。网页字符集常用的有：UTF-8、GB2312、GB18030等，在这些字符集下空格的编码又不相同，它是0xA1A1(41377)，在编程时可能要注意。

        虽然想空格这样的可能是一些不起眼的字符，但是在细化处理时却比较麻烦。比如从网页中读用户输入的数据并保存到数据库时，就很有可能要对用户“无意”输入的一些类似空格等字符进行处理，这时就要注意了。若是在VC中嵌入网页并进行数据的处理，则就更应该注意一些空白符了。我发现通常从网页中获取的空白符包括：

                   空字符(0x0000)、

 报警(0x0007)、

 水平制表符(0x0009)、

 换行符(0x000A /n)、

 垂直制表符(0x000B)、

 换页(0x000C)、

 回车符(0x000D /r)、

 空格符(0x0020)，英文下ASCII扩充的UNICODE空格、

 空格符(0xA1A1)，UTF-8或GB2312或其他网页制式中的空格、

 空格符(0x3000)，中文下UNICODE空格。

在进行细化处理时显得很重要。