[[378294]]

目前創(chuàng)新互聯(lián)已為超過千家的企業(yè)提供了網(wǎng)站建設(shè)、域名、網(wǎng)頁空間、成都網(wǎng)站托管、企業(yè)網(wǎng)站設(shè)計、懷柔網(wǎng)站維護(hù)等服務(wù)，公司將堅持客戶導(dǎo)向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長，共同發(fā)展。

? 為何物?

在前不久石頭哥的這篇文章中 —— 你可能也會掉進(jìn)這個簡單的 String 的坑，講述了因字符編碼問題而連續(xù)踩坑的經(jīng)歷，文中有一個神奇的字符 “?”。

其實(shí)，這個 “?” 真是無處不在，比如大名鼎鼎的微信：

微信中的?

再比如，封面圖中，單價22元的“錕斤拷錕斤拷”，再隨便百度一把：

隨處可見的?

要弄清這個問題，還得先從編碼談起。

因?yàn)樵谟嬎銠C(jī)的眼里，都是二進(jìn)制，具體用哪些二進(jìn)制數(shù)字表示哪個符號，這就是編碼。不要把編碼想象得太復(fù)雜，其實(shí)就是一個很簡單的 mapping。

比如大家所熟知的 ASCII 編碼，規(guī)定了 二進(jìn)制的0100 0001，也就是十進(jìn)制的65，代表的含義就是大寫字母 A。

ASCII 編碼

? 也是一種編碼字符，就跟上面的 A 一樣一樣的，它是 UNICODE 編碼方式中的一個特殊的字符，也就是 0xFFFD(65533)，語義是一個占位符，用來表達(dá)這套編碼系統(tǒng)中未知的，自己不認(rèn)識的東西。

比如上篇文章中的實(shí)驗(yàn)截圖的，紅色部分圈出來的對應(yīng)的字符，UTF-8 編碼都不認(rèn)識，所以按照 UNICODE 的定義，我就只好用統(tǒng)一的一個占位符 —— 0xFFFD(65533) 來表示。

為什么會出現(xiàn)“錕斤拷”?

我們接著上篇的例子來看， 如下圖所示，仍然從 “程序猿石頭” 對應(yīng)二進(jìn)制編碼截取部分：

如上圖所示，第 18 行的字節(jié)數(shù)組 new byte[] {-25, -119, -25, -116}，UTF-8 恰好都不認(rèn)識，因此只能用占位符替換。

??

這種情況，在編碼轉(zhuǎn)換過程中確實(shí)也比較常見，如果雙方?jīng)]溝通清楚，確實(shí)很容易出現(xiàn)互相不認(rèn)識的情況。

在中文系統(tǒng)中，常見的字符編碼是 GBK，這個時候，因?yàn)榇蠹覜]提前商量清楚，我就默認(rèn)按照 GBK 給你編碼看看。

“錕斤拷”在此

驚不驚喜意不意外……

其實(shí)是因?yàn)椋? 用 UTF-8 編碼后變成了 0xEFBFBD(就是上面的字節(jié)數(shù)組 [-17, -65, -67])，兩個連起來就是 0xEFBFBDEFBFBD，也就是上面的字節(jié)數(shù)組[-17, -65, -67, -17, -65, -67]。

而 GBK 編碼依然采用雙字節(jié)編碼方案，因此上面的 6 字節(jié) 0xEFBFBDEFBFBD，就被拆成了 3 個 2 字節(jié)字符即 0xEFBF, 0xBDEF, 0xBFBD 對應(yīng) GBK 編碼里面就是：錕(0xEFBF)，斤(0xBDEF)，拷(0xBFBD)。

錕斤拷(可向右滑動)

現(xiàn)在，你知道了嗎?

留個作業(yè)題：開篇的五言絕句，你知道另外的梗是來自哪里嗎?

本文名稱：1分鐘帶你認(rèn)識從"?"到"錕斤拷"
本文URL：http://uogjgqi.cn/article/djspjih.html