汉字乱码_彻底搞懂这烦人的编码与乱码！
我們平時在處理文本文件或者網(wǎng)絡請求時，時不時會遇到亂碼的情況，這篇文章就帶你徹底搞懂編碼和亂碼
?首先，我們要知道，在計算機中，一切都是用0和1來表示的。普通的txt文件、或者客戶端發(fā)過來的數(shù)據(jù)等等，這些一切其實都是通過0和1轉化而來的。「那它是怎樣從0和1轉化我們?nèi)四芸炊淖帜富驖h字呢？」
ASCII
起初，計算機是由美國人發(fā)明的，而且那時候基本就在美國運行，因此，開始只考慮到了美國的需求，0和1只要能轉化成英文字母和符號就行了，大概需要128個字符，所以就規(guī)定了0和1轉化為這128個字符的規(guī)則，稱作「ASCII編碼」。
計算機存儲的最小單位是byte，而1byte有8個bit位，足夠表示128個字符(「第一位用0表示，剩下7位從0-127分別表示128個字符」)，因此ASCII編碼就規(guī)定1byte對應一個英文字符，對應關系如下圖：
雖然ASCII編碼對于美國來說足夠用了，但是其他國家顯然是不夠的，于是，各個國家就發(fā)明了自己的編碼方式，比如我們「中國的GBK和GB2312等」。但是各個國家自己的編碼也都會兼容ASCII編碼(畢竟人家是鼻祖)，前面說到ASCII編碼的第一位為0，則其他國家自己的編碼都會定義第一位為1，這樣就能區(qū)分當前是ASCII編碼還是自己國家的編碼。
中國的編碼
對于美國而言，一個字節(jié)就能表示所有的字符，但是在中國就不行了，光常見的漢字就有好幾千個了，還不包括符號，因此，中國首先出現(xiàn)的編碼形式是「GB2312」，它使用兩個字節(jié)來表示，這種編碼主要表示的是簡體中文，不包括繁體字。
后來在GB2312的基礎上，又發(fā)明了「GBK」編碼(「GB2312表示的字符，用GBK顯示完全一樣」)，增加了一萬多個漢字，里面包括繁體字，這就是我們?nèi)粘Ｊ褂米畛Ｒ姷膰鴥?nèi)編碼。此編碼也是使用兩個字節(jié)來表示。
在這里提一下，怎么看一個字符使用了幾個字節(jié)，可以使用文本編輯器，我這里使用的是EmEditor，當然，其他的也行，如果是nodepad++則需要裝一個插件查看二進制。
打開EmEditor，雙擊右下角的編碼，選擇GB2312
接著輸入一個字符，然后再雙擊右下角的編碼，選擇二進制(十六進制)視圖。
可以看到，使用的是兩個字節(jié)。這里再提一點，「為啥查看二進制，很多編輯器默認都是顯示的是十六進制」？為啥不直接顯示二進制，這是因為，一個字節(jié)有8個bit位，而一個十六進制數(shù)字能表示4個bit位，所以一個字節(jié)剛好可以使用兩個十六進制來表示，就像上面顯示的“B9 FA"，兩個表示一個字節(jié)，既簡單又直觀，如果直接使用二進制，要顯示十六個0或1，眼都要看花掉。
因此，查看字符的二進制數(shù)據(jù)，最好是通過十六進制來查看。
世界統(tǒng)一編碼
世界上有很多國家，每個國家都有自己特有的編碼方式，這就導致了編碼不統(tǒng)一，容易造成亂碼的情況。那有什么方式可以讓編碼統(tǒng)一起來呢？可以通過「Unicode」。
Unicode和其他編碼方式不一樣，它沒有規(guī)定字符對應的二進制，也沒有規(guī)定每個字符占多少個字節(jié)，「它只做了一件事，就是給世界上所有的字符分配了一個唯一的數(shù)字編號」，就像人的身份證一樣，這是唯一的，它的范圍從0x000000到0x10FFFF之間(十六進制以0x開頭，二進制以0b開頭，八進制以0開頭)，這個編號一般寫成十六進制，前面再加上\u。例如”國“的Unicode就是”\u56fd“。
那這些編號怎么對應到二進制呢？可以采用UTF-8或者UTF-16和UTF-32等。我們平時使用的最多的就是「UTF-8」。
UTF-8使用的字節(jié)跟Unicode編號的大小有關，編號越大，使用的字節(jié)越多，字節(jié)個數(shù)在1-4之間。對于大部分漢字而已，一個中文字符需要三個字節(jié)。而且UTF-8兼容ASCII。
亂碼
我們平時出現(xiàn)亂碼主要有三種情況。
「第一種」：用文本編輯器打開一個文本文件時，顯示亂碼。
這種情況是因為，我們平時有時候文本編輯器設置了固定UTF-8編碼，但是突然打開一個GBK編碼個文件，這時候就會出現(xiàn)亂碼，里面只有漢字會亂碼。
解決方法：只要將編輯器的編碼方式設置成對應的即可。
「第二種」：在程序中讀取文件，出現(xiàn)亂碼。
這種情況是因為，在程序中讀取文件一般都會設置編碼，有時候省略編碼就會讀取系統(tǒng)的默認編碼，如果設置的編碼和文件的編碼對應不上就會出現(xiàn)亂碼。
解決方法：讀取文件時設置的編碼和文件編碼保持一致。
「第三種」：接收請求數(shù)據(jù)出現(xiàn)亂碼。
網(wǎng)絡中傳輸?shù)臄?shù)據(jù)也都是二進制數(shù)據(jù)，所以在我們傳輸數(shù)據(jù)的時候，發(fā)送方指定一種編碼將數(shù)據(jù)轉成二進制通過網(wǎng)絡傳輸?shù)浇邮辗?#xff0c;接收方再指定一種編碼將二進制數(shù)據(jù)轉成字符數(shù)據(jù)。如果發(fā)送方和接收方指定的編碼不一致，則會出現(xiàn)亂碼情況。
解決方法：發(fā)送方和接收方采用統(tǒng)一編碼即可，一般都是采用UTF-8。
?注意：不論是字符串轉二進制，還是二進制轉字符串都需要指定編碼，例如Java中字符串的getBytes()方法將字符串轉成字節(jié)數(shù)組，雖然方法可以不傳編碼格式，但內(nèi)部會傳入系統(tǒng)默認編碼Charset.defaultCharset().name()。又比如String(byte bytes[], String charsetName)方法將字節(jié)數(shù)組轉成字符串，也依然需要傳入編碼格式，如果不傳就會采用系統(tǒng)默認編碼。
?掃一掃，關注我
Java面試系列-線程相關(一)
2020-09-03
Java到底是引用傳遞還是值傳遞
2020-08-07
事務：不好意思，你被隔離了！
2020-07-23
spring事務咋和新冠病毒一樣，還會傳染？
2020-07-05
數(shù)據(jù)是怎么一步一步到服務器的
2020-06-18
總結
以上是生活随笔為你收集整理的汉字乱码_彻底搞懂这烦人的编码与乱码！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： opencv 检测 键盘_ubuntu+
- 下一篇： 个子矮s弯如何看点打方向图解_S弯如何看