#创作计划# 字符编码的秘密
2025-08-08 16:52:03
发布于：江西
前言
在大数据时代，我们存储的数据越来越多，那计算机是如何识别这些字符的呢？
引入
新建一个文本文档，在里面输入“联通”二字并保存。
关闭记事本，再次打开，发现变成了一通乱码！
在不同Windows不同版本的系统上显示的是不一样的，在Windows10上显示为��ͨ，为什么会这样呢？难度是联通得罪了微软？
但是，如果我们写的是“中国联通”，就不会出现乱码。其实，这和我们今天要讲的内容有关，那就是——字符编码。
计算机的存储方式
在了解字符编码之前，我们来了解计算机是如何存储并处理数据的。计算机本身并不认识文字，它只认识二进制数表示法（因为计算机用高电平和低电平分别表示1和0），因此，需要把字符转换成二进制形式，计算机才能正确处理字符。于是，人们制订了各种将字符转换成二进制的方法，也就是字符编码，以下是详细讲解。
字符编码
在计算机技术刚出现的时候，只有ASCII这一种字符集，用来存储英文字符，每个字符采用一字节。这种方法对于美国来说够用了，但后来使用计算机的国家越来越多，于是中国用GBK,日本用JIS，每个国家都制订自己的字符编码……这样下去，各国之间的通信就会变得很麻烦，这时，万国码Unicode应运而生。
Unicode将所有国家的字符纳入一个统一的编码体系中，确保每个字符都有其独特的位置，从而避免了冲突。它将英文存储在一个字节当中，常用中文存储在3字节中，生僻字存储在4个字节中……总之，Unicode的出现给人们带来了极大的便利。
回到之前的神奇乱码，不知道有没有人注意到了，在图1的右下角标明了文本的字符编码是ANSI，这代表计算机使用的是本地编码，在中国大陆是GBK。“联通”对应的编码是1100 0001 1010 1010 1100 1101 1010 1000，而这和Unicode的UTF-8规范的110x xxxx 10xx xxxx形式完全吻合，因此计算机误将文本识别为UTF-8编码（图2右下角），而这两条编码在UTF-8中什么也不是，所以出现乱码。
不过，聪明的你一定想到了，我将文本重新用GBK编码打开不就好了？我们来试一下。打开记事本，将文本以GBK编码强制打开：
但是，事实并不如此：
为什么会出现“锟斤拷”呢？原来，UTF-8会把2个�转换成十六进制编码EF BF BD EF BF BD，在GBK中正好对应“锟斤拷”。话说回来，要是我们发出的文本也被别人错误打开，那结果将不堪设想。如何避免呢？
在我们保存的时候，有一个字符编码的选项，我们只要选中UTF-8，就能避免这个情况（见图5右下角）：
之前我们提到过，“中国联通”不会变成乱码，因为“中国”二字的GBK编码和UTF-8编码形式不符，系统就会知道，这不是UTF-8编码，从而不出现乱码。
彩蛋
新建一个文本文档，在里面输入“力挺联通”，直接保存并打开，看看结果如何。（不做图5操作）。
小结
本次我们了解了字符编码，并知道了预防乱码的方法，如有错误欢迎在评论区补充，请多多支持~
有帮助，赞一个