常见乱码产生原因以及锟斤拷的产生过程

文章目录

• • 常见乱码产生原因
  • 方块码的产生原因
  • • • 代码测试
      • 控制台打印以下信息
      • 编码原理
  • 锟拷码的产生原因
  • • • 代码测试
      • 控制台打印以下信息
      • 编码原理

常见乱码产生原因

方块码的产生原因

下面我们来看一下方块码具体是怎么来的
首先需要知道方块码‘?’的产生原因，由上图可知，方块码是以UTF-8方式读取GBK编码的中文，而UTF-8和GBK编码的区别在于：

• UTF-8会将中文转化成三个字节进行存储
• GBK会将中文转化成两个字节进行存储

代码测试

控制台打印以下信息

张三的GBK编码：-43 -59 -56 -3
UTF-8读取GBK编码：????

编码原理

“张三”在GBK中实际以-43 -59 -56 -3 进行存储，再由UTF-8读取时，由于这些码在UTF-8库中无法匹配
UTF-8字符集也有一个专门用于提示用户字符无法识别或展示的替换符 ：也就是‘?’
因此，我们会看到，使用UTF-8读取GBK编码的中文时就会产生方块码

锟拷码的产生原因

由上表可知，锟拷码是由于以GBK方式读取UTF-8编码的??得到，而如果产生了方块码，就有可能会产生锟拷码

代码测试

控制台打印以下信息

-17 -65 -67 -17 -65 -67 -17 -65 -67 -17 -65 -67
锟斤拷锟斤拷

????首先被转化成了12个字节，按照-17 -65 -67的顺序排列，因此，当使用GBK读取时，会两个两个进行解析，-17 -65 解析成锟，-67 -17 解析成斤，-65 -67解析成拷

编码原理

由于?在UTF-8编码中会被编码成-17 -65 -67三个字节，而两个方块码会产生6个字节，正好满足GBK编码中取两个字节进行解码

• -17 -65 对应 “锟”
• -67 -17 对应 “斤”
• -65 -67 对应 “拷”
  因此当我们使用GBK来读取UTF-8编码的方块码时，原来的两个方块码“??”就会被GBK读取成了“锟斤拷”，如下表所示

文章知识点与官方知识档案匹配，可进一步学习相关知识Java技能树首页概览93567 人正在系统学习中