相信你在日常生活中也见过类似如下的字符串:
上面这些看起来不明所以的内容，通常被称为乱码。那么乱码是怎么产生的，怎么修复呢？接下来，我们将一步步解释这一点。
编码规则
本质上，字符串是存储在一起的一个字节的数据。要在屏幕上显示这些数据，需要根据编码规则对其进行解析。
美国信息交换标准代码
ASCII编码是最容易理解的。ASCII最多只能存储127个字符，因为每个字符只占7位，每个字符都有一个唯一的编号与之对应。
例如:
在这种编码规则下，数字0x35将被解释为字符5。
在这种编码规则下，数字0x6C将被解释为字符l。
在这种编码规则下，数字0x4C将被解释为字符l。
具体规则，可以在网上搜索ASCII码表。
按照这个规则，一串hello，用十六进制数据表示，就是68 65 6C 6C 6F。
GB2312
由于ASCII码只能显示127个字符，远远不能满足汉字的显示要求，我国标准总局于1980年发布了国家标准代码GB 2312(目前最新的标准是GB 18030)。
简单来说，在这个编码标准下，每个汉字可以用2个字节来表示，例如:
的实际数据为0xB0 0xA1。
实测数据为0xB2 0xE2。
测试的实际数据是0xCA 0xD4。
同时，由于ASCII编码下每个字节使用7位(0x 00-0x7f ), GB 2312规定每个汉字的高位字节(第一个字节)应在0xA1-0xF7范围内，避开ASCII编码使用的区域。
也就是说，下面一串中英文混合的数据也可以正常解析显示:
UTF-8
UTF-8可以用1-4个字节来表示字符。由于兼容性强，UTF-8可以对Unicode字符集中所有有效的编码点进行编码，是目前应用最广泛的编码标准。
与GB2312一样，UTF 8也与ASCII编码兼容。只有UTF-8包含的字符比GB2312多，每个字符的字节数也不是完全固定的。由于编码规则复杂，这里不做具体解释，只举例说明:
的实际数据为0xE5 0x95 0x8A。
实测数据为0xE6 0xB5 0x8B。
测试的实际数据是0xE8 0xAF 0x95。
其他代码
除了GB2312、UTF-8和ASCII之外，还有许多编码标准，其中大多数互不兼容。
和传输字符串数据。
所有数据都将被存储和传输。
救援
微软BOM头技术用于标记纯文本文件的代码，以便打开文件时可以用正确的代码进行解析。
大部分Linux都没有使用类似的技术，所以只能靠猜测或者读后强行指定来显示。
传输
传输不仅仅指字符串数据在互联网上的传输，还包括调用各种函数过程中的传输。这种操作通常不标注字符编码标准，通常通过直接指定编码来解决。
生成乱码
聪明的你应该想到，如果一串编码数据用另一种编码标准解析，结果几乎肯定是错的。
例如，我们使用UTF-8编码来测试单词解析结果，并得到以下十六进制数据:
如果接收这些数据的人试图使用GB2312代码显示它们，结果将是我们非常熟悉的乱码:
以上过程是典型的乱码形成过程。
修复乱码
乱码还能恢复吗？答案是肯定的，只有在乱码形成的时候做逆向操作才能恢复。但是在某些代码中会出现？如果显示的数据无法解析，这部分数据将完全丢失。
一般的乱码修复操作就是尝试各种编码可能性，看看哪个结果比较靠谱，那么就是原创内容。
这里推荐使用开源工具LLCOM(llcom.papapoi.com)来恢复乱码。
我们使用上一节中生成的乱码数据作为示例来尝试修复它:
可以看出，已经显示了可靠的结果，并且修复是成功的。
避免混淆。
建议编写代码时统一使用UTF-8编码，这是目前互联网中最重要的编码形式。
如果资源占用紧张，但仍需要中文显示，可以考虑使用GB2312编码存储数据。
本文来自卿尘投稿，不代表舒华文档立场，如若转载，请注明出处：https://www.chinashuhua.cn/24/573038.html
微信扫一扫 
