乱码的种类很多，产生乱码的原因很也很多。
用搜索引擎找一找，会有成千上万的记录。
我尝试再现一些乱码。
先从文件的开头，BOM开始。
用c语言写一个简单的CGI程序，发送数据到浏览器。
#include <stdio.h>
main(){
printf("Content-Type: text/plain\r\n\r\n");
printf("你好，世界！\n");
}
显示的乱码如下：
ä½ å¥½ï¼Œä¸–ç•Œï¼�
在浏览器里可以有菜单调节，显示出正确的编码。但现在很多浏览器里调节编码的菜单很难找到，那么，怎样不通过调节浏览器来正确显示呢？
一种方案是输出html格式，指定编码;另一种方式是插入BOM.
第一种方式是这样的(使用text/html,指定编码)：
#include <stdio.h>
int main(){
printf("Content-Type: text/html\r\n\r\n");
printf("<html><head>");
printf("<meta charset=\"utf-8\"/>");
printf("</head>");
printf("<body>");
printf("<p>你好，世界！</p>");
printf("</body></html>");
return 0;
}
c语言的源文件也必须是UTF8格式的。
第二种方式是这样的(使用text/plain,插入BOM)：
#include <stdio.h>
int main(){
printf("Content-Type: text/plain\r\n\r\n");
printf("%c%c%c",0xEF,0xBB,0xBF);
printf("你好，世界！\n");
return 1;
}
同样c语言的源文件也必须是UTF8格式的。
用 0xEF 0xBB 0xBF 三个字节表示UTF8编码的BOM，告诉浏览器，收到的文本文件是UTF8编码的。浏览器就能正确显示出文本。
下面看看“你好，世界！”在变成乱码的时候，为什么会变成那个样子，而不是别的样子。
“你好”的UTF8编码是 "E4BDA0 E5A5BD",在没有指定编码的时候，浏览器按照Unicode码位一个一个解释，E4被解释成为ä,
BD被解释成为½，其余类推，整个字符串被拆解了。
以此推断，浏览器可以直接解释Unicode码。
那么，下面测试把“你好，世界！”的Unicode码直接发送给浏览器，会发生什么。
查询获得整个字符串的Unicode编码是"4F60 597D FF0C 4E16 754C FF01 "
第三种方式是这样的(使用实体字符)：
编写如下的程序：
#include <stdio.h>
int main(){
printf("Content-Type: text/html\r\n\r\n");
printf("<html><head></head>");
printf("<body><p>");
printf("%s","你");
printf("%s","好");
printf("%s","，");
printf("%s","世");
printf("%s","界");
printf("%s","！");
printf("</p></body></html>\n");
}
HTML页面不需要指定编码，也没有乱码。
所以，针对HTML页面，使用Unicode实体是最安全的方式，完全避免乱码的出现。
而且，这种方式，c语言的源文件中不必出现汉字，所以源文件随便是什么格式的都可以。
网友评论