周末女朋友出去逛街了，我自己一个人在家看综艺节目，突然，女朋友给我打来电话。
过了一会，女朋友回来了，她拿出手机，给我看了她在超市拍的照片：
?
要想知道什么是乱码，需要先从计算机编码说起。
字符编码和ASCII
我们经常看一些谍战剧，谍战剧里敌特、地下党员以及八路军各部间发送情 的时候，一般都是通过电 发送的，电 在传递的过程中，需要发 员用电键发出长短不一的电码，收 员就会听到电 机发出的滴滴滴答答答的声音。其实电 发出的声音都是”滴”和”答”的组合，”答”的声音是”滴”的三倍长。
发 员要先通过一种方式，将想要发送的情 转成电 的滴答声，收 员在听到滴答声之后，再将它们翻译成正常的文字。这个过程就是字符编码和字符解码。
谍战剧中将情 转成电 的”滴”和”答”声主要通过摩尔斯电码，这是一种通过不同的排列顺序来表达不同的英文字母、数字和标点符 的字符编码方式。莫尔斯电码由短的和长的电脉冲（称为点和划）所组成。点和划的时间长度都有规定，以一点为一个基本单位，一划等于三个点的长度。正好对应上电 的”滴”和”答”。
就像电 只能发出”滴”和”答”声一样，计算机只认识0和1两种字符，但是，人类的文字是多种多样的，如何把人类的文字转换成计算机认识的01字符呢，这个过程同样需要通过字符编码。
字符编码（Character encoding）是一套法则，使用该法则能够对自然语言的字符的一个集合（如字母表或音节表），与其他东西的一个集合（如 码或电脉冲）进行配对。
和摩尔斯电码功能类似，上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定，这被称为 ASCII 码，一直沿用至今。
ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套计算机编码系统。它主要用于显示现代英语，其中共有128个字符，包含了所有的大写和小写字母，数字0到9、标点符 ， 以及在美式英语中使用的特殊控制字符等。
由于ASCII只有128个字符，虽然对于英文字符都可以表示了，但是世界上还有很多其他的文字他是没办法表示的，所以需要一种更加全面的字符编码。
在介绍其他的字符编码之前，我们先来说一下一个计算机领域通用的字符集。
Unicode
Unicode（中文：万国码、国际码、统一码、单一码）是计算机科学领域里的一项业界标准。它对世界上大部分的文字系统进行了整理、编码，使得计算机可以用更为简单的方式来呈现和处理文字。
Unicode至今仍在不断增修，每个新版本都加入更多新的字符。目前最新的版本为2019年5月公布的12.1，这一版本只新增了一个字符，即日本新年 令和的合字。
Unicode备受认可，并广泛地应用于计算机软件的国际化与本地化过程。有很多新科技，如可扩展置标语言（Extensible Markup Language，简称：XML）、Java编程语言以及现代的操作系统，都采用Unicode编码。
Unicode是一套通用的字符集，包含世界上的大部分文字，也就是说，Unicode是可以表示中文的。
UTF-8 UTF-16 UTF-32
Unicode虽然统一了全世界字符的编码，但没有规定如何存储。这么做是有考虑的：
如果Unicode统一规定，每个符 就要用三个或四个字节表示，因为字符太多，只能用这么多字节才能表示完全。
一旦这么规定，那么每个英文字母前都必然有二到三个字节是0，因为所有英文字母在ASCII中都有，都可以用一个字节表示，剩余字节位置就要补充0。
UTF-8 使用一至四个字节为每个字符编码
UTF-16 使用二或四个字节为每个字符编码
UTF-32 使用四个字节为每个字符编码
所以我们可以说，UTF-8、UTF-16等都是 Unicode 的一种实现方式。
举个例子，Unicode规定了一个中文字符 “我”对应的unicode是”u6211″，但是，在UTF-8和UTF-16等不同的实现方式下，这个二进制code的存储方式是不一样的。
UTF-8使用可变长度字节来储存 Unicode字符，例如ASCII字母继续使用1字节储存，重音文字、希腊字母或西里尔字母等使用2字节来储存，而常用的汉字就要使用3字节。辅助平面字符则使用4字节。
如以下代码：
输出结果：
可以看到，将中文字符，通过GBK编码，再使用UTF-8解码，得到的字符就是一串问 ，这就是乱码了。
锟斤拷的前世今生
因为Unicode是一直在更新的，在这个过程中，肯定有一些比较新的字符他是无法表示的。或者即使Unicode发布了新版纳入了某个文字，但是很多软件系统并未升级也会有这样的问题。
就像生活中一些手机厂商新出的那些emoji表情，在自己的手机上可以正常显示，发到其他品牌的手机上可能就无法显示。这其实也是字符集不支持导致的。
发生以上情况时，无法显示的时候也需要有一个字符来表示的，在Unicode中，这个字符就是 ? ，他也是Unicode中定义的一个特殊字符。也就是”0xFFFD REPLACEMENT CHARACTER”，所有无法表示的字符都会通过这个字符来表示。
Unicode官方有关于这个符 的介绍，从上表中可以看到，他的10进制表示是65533，在UTF-8下，他的16进制形式是’0xEF 0xBF 0xBD’（三个字节）。
如果有两个连续的字符都无法显示，如”? ?” ，那么在UTF-8编码下，16进制表示为：
以上这段编码，如果放到GBK中进行解码的话，因为GBK中一个汉字两个字节，那么结果就是：
即
那么，如果展示出来，就是：锟（0xEFBF），斤（0xBDEF），拷（0xBFBD）,所以，以后再见到锟斤拷，第一时间想到UTF-8和GBK的转换问题准没错。
除了锟斤拷以外，还有两组比较经典的乱码，分别是”烫烫烫”和”屯屯屯”，这两个乱码产生自VC，这是debug模式下VC对内存的初始化操作。VC会把栈中新分配的内存初始化为0xcc，而把堆中新分配的内存初始化为0xcd。把0xcc和0xcd按照字符打印出来，就是烫和屯了。
快薅，当当的羊毛，晚了就没了！
快薅，当当的羊毛，晚了就没了！
快薅，当当的羊毛，晚了就没了！
– MORE | 更多精彩文章 –
-
华为发布会: 牛逼鸿蒙，吹水的大会
-
我被失联2年后，终于从东南亚的技术“魔窟”逃出来了…
-
同步容器（如Vector）的所有操作一定是线程安全的吗p>
-
Spring Boot 2.X整合Spring-cache，让你的 站速度飞起来
请长按二维码，关注 Hollis.