來源 | 程序猿石頭（id: tangleithu）

以一首五言絕句作為開篇，你知道背後說的是什麼嗎？

手持兩把锟斤拷

口中疾呼燙燙燙

腳踏千朵屯屯屯

笑看萬物锘锘锘

為何物？

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

其實，這個 “” 真是無處不在，比如大名鼎鼎的

再比如，封面圖中，單價22元的“锟斤拷锟斤拷”，再随便百度一把：

要弄清這個問題，還得先從編碼談起。

因為在計算機的眼裡，都是二進制，具體用哪些二進制數字表示哪個符号，這就是編碼。不要把編碼想象得太複雜，其實就是一個很簡單的 mapping。

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

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，用來表達這套編碼系統中未知的，自己不認識的東西。

比如上篇文章中的實驗截圖的，紅色部分圈出來的對應的字符，UTF-8 編碼都不認識，所以按照 UNICODE 的定義，我就隻好用統一的一個占位符 —— 0xFFFD(65533) 來表示。

為什麼會出現“锟斤拷”？

我們接着上篇的例子來看， 如下圖所示，仍然從 “程序猿石頭” 對應二進制編碼截取部分：

如上圖所示，第 18 行的字節數組

new byte {-25, -119, -25, -116}，UTF-8

恰好都不認識，因此隻能用占位符替換。

這種情況，在編碼轉換過程中确實也比較常見，如果雙方沒溝通清楚，确實很容易出現互相不認識的情況。

在中文系統中，常見的字符編碼是 GBK，這個時候，因為大家沒提前商量清楚，我就默認按照 GBK 給你編碼看看。

驚不驚喜意不意外……

其實是因為， 用 UTF-8 編碼後變成了 0xEFBFBD（就是上面的字節數組 [-17, -65, -67]），兩個連起來就是 0xEFBFBDEFBFBD，也就是上面的字節數組[-17, -65, -67, -17, -65, -67]。

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

锟斤拷（可向右滑動）

現在，你知道了嗎？

留個作業題：開篇的五言絕句，你知道另外的梗是來自哪裡嗎？歡迎留言讨論。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部