你也许见过跟别的字格格不入的孤寡文字，打开过全是看不懂的字符的文档，全是框框的游戏对话，点击过跟真网址一模一样的钓鱼网站。所有的这些都跟电脑显示文字的原理有关。
电脑显示文字涉及到三个重要的概念：字符、字符集、字符编码。一个汉子一个拉丁字母，一个数字都是一个字符；这些字符集合起来叫做字符集，通常来说，一个字符集里没有相同的字符。而这些字符计算机一个也不认识，为了让计算机认识这些字符，我们就需要把这些字符用0和1表示出来，把字符转换成0和1的规则就是字符编码。
计算机存储数据的基本单位是字节，也就是byte，一个字节有8个二进制位组成，也就是8个bit，共有256种状态，也就是一个字节可以存储256个字符，而英文字符只有26个，所以在上世纪60年代，美国先作出了美国信息交换码简称ASCLL，共收录了128个字符。但当各国进入信息化社会的时候，就出现了问题，各国搞的EASCLL后面的128个字符都不太一样，这样就导致了在同一码位上的字符可能不一致，所以同一个文本放到不同的计算机中打开可能显示结果不一样。但当信息化来的中日韩三国时，字符太多，就会导致一个字符集存不完这些字符，就我国发布的GB 2312-80中就包含了6763个常用简体汉字，所以GB 2312用两个字节长度来编码一个字符，这样理论上就可以容纳65536个字符，但GB 2312-80中只是最最常用的汉字，有一些姓氏根本没在其中，还有繁体字，导致这些字根本打不出来。在今天新的字符集已经包含了部分生僻字，但显示出来跟正常字体不一样。很多字体都还只适配GB 2312中的字符，后来微软设计了汉字内码拓展规范 GBK。又后来人类出现了万国码UNICODE，如今UNICODE已经有了1114112个码位。
以上出现了很多的编码格式，但是用不同的编码格式就会导致乱码的产生，例如用GBK编码发送，而 另一个人是使用UTF-8去解码，就会出现乱码问题。
网友评论