?????亂碼是我們在日常的工作中經(jīng)常遇到的問題滥搭，你可能從網(wǎng)上好不容易下載了一個炫酷的jQuery插件何什，但是卻在打開的時候譬巫，發(fā)現(xiàn)某幾個js文件都是類似“澶у０咖楣？閬？”這樣的怪異符號芦昔，其實這就是編碼和解碼不一致導(dǎo)致的诱贿，就好像我用英文給你寫了篇信，你不懂英文用中文去解析它咕缎，自然覺得他是亂碼瘪松。
?????本篇文章將會從計算機碼的歷史演變開始咸作，簡單介紹下主流的幾種編碼方式。希望對大家日后處理亂碼有所幫助宵睦。
一记罚、為何需要編碼
?????由于計算機只能識別0和1，所以我們所有得字符和數(shù)據(jù)都是轉(zhuǎn)換成二進制0和1的序列存放在計算機中的壳嚎，但是我們在如何區(qū)分他們上產(chǎn)生了問題桐智。就比如說，給一萬個二進制的序列烟馅，你能讀取出來其中哪些是字母哪些是數(shù)字么说庭？不是不可以，難度很大郑趁，完全違背了我們使用計算機的初衷了刊驴。于是，我們可以規(guī)定每個字符的二進制序列寡润，并把它存在計算機內(nèi)捆憎，當需要將二進制位轉(zhuǎn)換成我們能看懂的字符數(shù)據(jù)時，讓計算機去截取二進制位查找對應(yīng)的表梭纹，翻譯成我們看的懂的數(shù)據(jù)躲惰。這規(guī)定字符的二進制序列就是一種編碼行為，讓計算機翻譯就是一種解碼行為变抽。
二础拨、ASCll 編碼
?????我們都知道，計算機是美國人民發(fā)明的绍载，所以他們在設(shè)計計算機編碼的時候并沒有考慮到給別的國家人用（尤其是我們第三世界國家人民）诡宗。ASCll 碼全稱是 American Standard Code for Information，美國信息互換標準代碼击儡。由于美帝人民使用26個英文字母的各種組合進行交流了（沒有我們幾萬漢字那么多）塔沃，于是他們使用八位二進制來表示所有的字符，從0到32用于特殊用途曙痘，比如：遇上00x10輸出換行，遇上0x1b打印機工作等立肘。還有一些空格边坤，數(shù)字，字母等谅年，一直編號到127（0111 1111）茧痒，實際上他們只用了7個字節(jié)編完了所有的字符，因為最高位始終為0融蹂。
三旺订、ISO 8859-1/Windows-1252
?????對于美國來說ASCll碼足夠用了弄企，但是后來歐洲的一些國家也開始使用計算機，他們也為自己國家的語言進行擴充編碼区拳，于是他們將美國沒用完的那個字節(jié)的后一半用來編碼自己國家的語言拘领，于是從128到255都有了定義。這一段編碼我們叫做擴展字符集樱调。ISO 8859-1就是這樣的編碼標準约素，0-127依然保存美帝的編碼，128-255編碼了一些他們需要使用到的字符笆凌。因為ISO 8859-1編碼標準出現(xiàn)的比較早圣猎，而在后來又出現(xiàn)了一些比較中要的符號例如（歐元符號），這些符號并沒有被編入乞而，于是Windows-1252編碼擴充了ISO 8859-1編碼標準送悔，刪除了一些相對不常用的字符，替換了一些新的字符爪模∏菲。可以說Windows-1252是ISO 8859-1的替代品。
四呻右、GB2312
?????終于輪到我們偉大的中國人民跪妥，當我們能夠使用計算機的時候，那一個字節(jié)已經(jīng)被使用完了声滥。于是我們決定保留美國的編碼（ASCll 碼）眉撵，其余歐洲國家的編碼全部刪除，對于英文和西歐字符使用一個字節(jié)足夠用了落塑，對于我們漢字來說纽疟，需要使用兩個字節(jié)來表示。小于127的依然表示原來的字符（也就是該字節(jié)最高位為0）憾赁，當計算機遇到兩個大于127的字節(jié)時候（也就是兩個字節(jié)的最高位都是1）污朽，就一次性讀取兩個字節(jié)，將它解碼成一個漢字龙考。這就是GB2312編碼蟆肆，它大概能夠表示7000多個簡體漢字。不包括一些繁體字晦款，但是對于日常使用已經(jīng)足夠炎功。在這兩個字節(jié)中，高位字節(jié)表示范圍：0xA1-0xF7缓溅，低字節(jié)為表述范圍：0xA1-0xFE蛇损。（可能大家看出來，有些范圍并沒有定義編碼，后面說原因）
五淤齐、GBK
?????雖然已經(jīng)編碼了7000多個漢字股囊，足夠日常的使用了，但是我們勤勞的中國人民還是覺得不夠用更啄，于是他們發(fā)現(xiàn)：一個漢字使用兩個字節(jié)表示稚疹，那如果第一個字節(jié)的最高位為1，那就不用將后一個字節(jié)的最高位也置為1锈死，直接往后讀取兩個字節(jié)就好了贫堰。于是我們又擴充了一半的漢字。高位字節(jié)表述范圍：0x81-0xFE待牵，低位字節(jié)表述范圍：0x40-0x7E和0x80-0xFE其屏。
六、GB18030
?????為了照顧日韓和我們的少數(shù)民族缨该，我們又對GBK加以擴充偎行，使用變長編碼，要么使用兩個字節(jié)表示要么用四個字節(jié)表示贰拿。（至于為什么三個字節(jié)不用來表示蛤袒，我也費解）那么我們怎么才能判斷出某個字符他是用幾個字節(jié)來表示的呢？用兩個字節(jié)表示的字符和GBK一樣膨更，用四個字節(jié)表示的字符妙真，第一個字節(jié)表述范圍：0x81-0xFE，第二個字節(jié)表述的范圍：0x30-0x39荚守，第三個字節(jié)表述的范圍：0x81-0xFE珍德，第四個字節(jié)表述范圍：0x30-0x39。每次解析的時候先拿過來這個字符的第二個字節(jié)判斷范圍是否在0x30-0x39之間矗漾，如果在說明這是四個字節(jié)表示的字符锈候，如果不在說明這是兩個字節(jié)表示的字符。從GBK的第二個字節(jié)表述范圍看敞贡，它是大于0x39的泵琳。（這就是它低位字節(jié)0x30-0x39不編碼的原因）
七、Unicode
?????每個國家都按照自己的標準編碼的字符集誊役，但是這會導(dǎo)致一個問題获列，兩個編碼不一致的國家的人相互之間交流成了很大的問題。（除了美國可以和任意的國家無障礙交流蛔垢，因為每個編碼標準都是兼容ASCll 的）击孩，于是當人們需要和別的國家之間進行交流的時候，就會在自己的系統(tǒng)上裝上一個對方國家的編碼轉(zhuǎn)換系統(tǒng)啦桌。十分麻煩溯壶。于是 一個叫ISO（國際標誰化組織）的組織打算對世界上的所有編碼進行統(tǒng)一，廢除所有地方性編碼方案甫男。這就是UNICODE且改。所以，準確上來說UNICODE并不算是一種具體的編碼標準板驳，它只是將世界上所有的字符進行的編號又跛，并沒有指定他們具體在計算機中以什么樣的形式存儲。
?????不像上述的各種編碼標準若治，準確的規(guī)定了每個字符在計算機中的二進制位慨蓝，而UNICODE只是將所有的字符進行了編號，具體怎么存儲它不關(guān)心端幼。于是它有了幾個具體的實現(xiàn)：UTF-8礼烈，UTF-32，UTF-16等婆跑。UNICODE的編號范圍為：0x000000-0x10FFFF此熬，包括將近110多萬』基本囊括所有的字符犀忱，但是經(jīng)常使用的范圍在：0x0000-0xFFFF之間也就是65536以內(nèi)。
UTF-32
?????UTF-32編碼標準用固定4個字節(jié)進行編碼扶关。每個字符會有一個對應(yīng)的Unicode編號阴汇，這個編號是個整數(shù)，它的二進制就是這個字符UTF-32編碼节槐。四個字節(jié)足夠表示世界上的所有的字符搀庶，但是對于只需要的一個字節(jié)的ASCll 編碼的字符也是使用了四個字節(jié)（浪費了三個字節(jié)），所以這種編碼標準唯一的缺點就是浪費疯淫。一個概念地来，"大端"和"小端"。大端表示的是：四個字節(jié)序列熙掺，高字節(jié)在前未斑，低字節(jié)在后。（也就是計算機讀取順序從前到后）币绩，小端則相反蜡秽，將低字節(jié)排列在前面。這種編碼方式缺點是很明顯的缆镣，就是浪費空間芽突，但是簡單。
UTF-16
?????UTF-16使用的是變長字節(jié)表示董瞻，相對復(fù)雜些寞蚌。分別使用兩個字節(jié)或者四個字節(jié)表示田巴。編號在 0x0000-0xFFFF之間的常用字符使用兩個字節(jié)表示，其中0xD800-0xDBFF之間的編號沒有定義字符挟秤。（用于辨別兩個字節(jié)還是四個字節(jié)和GB18030類似）對于編號在0x10000-0x10FFFF之間的字符使用四個字節(jié)表示壹哺。只不過前兩個字節(jié)被叫做高代理項后兩個字節(jié)被稱為低代理項，其中高代理項表述范圍：0xD800-0xDBFF正好是上面沒有定義的編號范圍艘刚，低代理項表述范圍：0xDC00-0xDFFF管宵。區(qū)分一個字符是用的兩個字節(jié)還是用的四個字節(jié)就不言而喻了。直接判斷前兩個字節(jié)的范圍即可攀甚。
?????這種編碼標準相對于UTF-32來說箩朴，是節(jié)約了不少空間，但是對于美國和西歐他們來說還是有點浪費秋度。這種編碼一般用于系統(tǒng)編碼炸庞。
UTF-8
?????為了充分利用資源，還是被我們智慧的人類發(fā)明了UTF-8荚斯。UTF-8使用變長字節(jié)表示燕雁，分別可以使用1到4個字節(jié)不等，對于Unicode編號越小的自然使用的字節(jié)就越小鲸拥。

這里寫圖片描述