编码与乱码

前言

编码与乱码的问题经常见到

先介绍几种编码方式

ASCII

计算机发明之后需要使用0和1来表示字符，于是美国人在50年代发明了 ASCII (美国标准信息交换代码,American Standard Code for Information Interchange) 码。它由128个字符组成，包括大小写字母、数字0-9、标点符号、非打印字符（换行符、制表符等4个）以及控制字符（退格、响铃等）组成，每个字符占7位（1字节是8位）。比如 ‘a’的 ASCII码10进制是97，二进制是 01100001。

UNICODE

后来计算机不断发展扩展到亚洲非洲，如何用计算机使用的二进制表示这些语言又成了问题。ISOLatin-1的8位字符集只能表示256个字符，而仅汉语就有80000以上个字符。如何把地球上绝大多数语言用一种编码方式表示出来呢?于是发明了UNICODE编码，只用2个字节(16位)就可以编码地球上几乎所有地区的文字。

但是，UNICODE只是理论上的编码方式，相当于给世界上每个文字打了个编号，但这编号具体如何在计算机里面存储，可以有多种实现方式。比如utf-8和gbk。

前面说了UNICODE只是给每个文字打了个编号，为啥不把这个编号直接转化成二进制存储在计算机里面呢？ 比如英文字母s的编号是115, 用二进制表示是00000000 1110011, 中文”日”的编号是26085 (16进制是65e5) ，二进制是11001011 1100101。老外才没那么傻，对于老外这种日常纯粹是用英文字符的人来说明明之前1个字节就能存储一个字母，现在为了全球大一统非要存储为2个字节，相当于一个之前一个1M的文档，现在变为2M。于是老外耍了赖，英文字母s是115没错，但我就用1个字节1110011表示，而你中文”日”是26085号也没错，但是你不能在使用2个表示，而是用2个甚至6个字节表示。（为了英文的特权，牺牲其他语言的存储空间的便利），这个编码方式就是UTF-8。

UTF-8

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，又称万国码。UTF-8用1到6个字节编码UNICODE字符。用在网页上可以同一页面显示中文简体繁体及其它语言（如英文，日文，韩文）。

GBK

这时候中国人不干了，为啥你制定了全球大一统的规则，却为了自己的便利又破坏规则，连这点小便宜都不放过(典型的美国人作风)？ 明明用2个字节就能表示中文一个汉字，现在UTF-8编码中文竟然需要2个甚至4个字节来表示。于是中国制定一套自己的规则，于是用2个字节来表示一个汉字，总共可以覆盖2万多个文字。 对于英文，好吧让一步，还保留和你UTF-8同样的方式使用一个字节来表示。

网页乱码如何产生的呢?

下面这个流程是我们写入文件到展示文件的简单描述：

我们使用编辑器编写 HTML 文件

保存编写的HTML文件

使用浏览器打开HTML文件

HTML文件在浏览器展示

乱码产生的根源就在与第2步骤和第4步。两种文件的编码与解码的方式不同

解决

在文件保存的时候你自己要清楚是用哪种编码方式保存的。如果你的文件是保存为utf-8格式，那么一定要在html 的 head里添加

<meta charset="utf-8">

这句话的意思是告诉浏览器在打开这个页面的时候不要去猜了，直接用utf-8去解码。 同理，如果你的文件保存为gbk格式，一定在文件里添加

<meta charset='gbk'>