了解 unicode 编码 与 utf-8 一语道破 乱码的实本质
知道下面这些点，应该就明了了吧
电脑中只能存储二进制数据，电脑操作的最小单位是 byte字节，一个字节是 8bit（8位）。
字符的存储：电脑只能存储数字，所以要将字符转为对应的数字进行存储。
各种编码（unicode，ascii，gbk等等）：功能就是字符与数字的对应关系，所以每种编码会有对应的编码表
utf-8 ： 是unicode编码实现的一种方式： 就是按照编码表，将字符以怎样的方式在电脑中进行存取。也就是用几个 byte 来存储字符对应的数字。
为什么会出现乱码？
其实很简单啦。由于编码方案众多，交叉使用编码方案就会乱码。
譬如： 我们中文可以用 gbk，utf-8 ，如果我们用 gbk 进行存，然后用 utf-8 方式取，就有可能乱码。
试想：
如果 同一个字符，在 gbk 对应的数字是 8000， 而在 utf-8 中对应的数字是 9000，要乱码的吧
就算数字一样，如果 gbk 是用 2 个字节 存储一个 字符，而这个字符 utf-8 中是 3 个字节存，那 utf-8 会多取一个 字节，这个值，肯定也不对，又乱码了吧
为什么英文很少乱码
电脑是外国发明的，起初只显示英文，英文是 ascii 编码，因为 ASCII 编码只用一个字节 ， 他只用 127 个字符就可以表示完英文，符号等。
之所以会有其他的编码，是因为这 127 个字符无法表示其他的字符，比如中文，几千个汉字，127 显然远远不够。 可以理解为，其他的编码是在 ascii 基础上的扩充。
所以这也是为什么其他的编码大都兼容ascii，英文很少显示乱码的原因。
0顶
0 踩
共 0 条评论