1 分钟带你认识从 "?" 到 "锟斤拷"
? 为何物?
在前不久石头哥的这篇文章中 —— 你可能也会掉进这个简单的 String 的坑,讲述了因字符编码问题而连续踩坑的经历,文中有一个神奇的字符 “?”。
其实,这个 “?” 真是无处不在,比如大名鼎鼎的微信:
微信中的?
再比如,封面图中,单价22元的“锟斤拷锟斤拷”,再随便百度一把:
随处可见的?
要弄清这个问题,还得先从编码谈起。
因为在计算机的眼里,都是二进制,具体用哪些二进制数字表示哪个符号,这就是编码。不要把编码想象得太复杂,其实就是一个很简单的 mapping。
比如大家所熟知的 ASCII 编码,规定了 二进制的0100 0001,也就是十进制的65,代表的含义就是大写字母 A。
ASCII 编码
? 也是一种编码字符,就跟上面的 A 一样一样的,它是 UNICODE 编码方式中的一个特殊的字符,也就是 0xFFFD(65533),语义是一个占位符,用来表达这套编码系统中未知的,自己不认识的东西。
比如上篇文章中的实验截图的,红色部分圈出来的对应的字符,UTF-8 编码都不认识,所以按照 UNICODE 的定义,我就只好用统一的一个占位符 —— 0xFFFD(65533) 来表示。
为什么会出现“锟斤拷”?
我们接着上篇的例子来看, 如下图所示,仍然从 “程序猿石头” 对应二进制编码截取部分:
如上图所示,第 18 行的字节数组 new byte[] {-25, -119, -25, -116},UTF-8 恰好都不认识,因此只能用占位符替换。
??
这种情况,在编码转换过程中确实也比较常见,如果双方没沟通清楚,确实很容易出现互相不认识的情况。
在中文系统中,常见的字符编码是 GBK,这个时候,因为大家没提前商量清楚,我就默认按照 GBK 给你编码看看。
“锟斤拷”在此
惊不惊喜意不意外……
其实是因为,? 用 UTF-8 编码后变成了 0xEFBFBD(就是上面的字节数组 [-17, -65, -67]),两个连起来就是 0xEFBFBDEFBFBD,也就是上面的字节数组[-17, -65, -67, -17, -65, -67]。
而 GBK 编码依然采用双字节编码方案,因此上面的 6 字节 0xEFBFBDEFBFBD,就被拆成了 3 个 2 字节字符即 0xEFBF, 0xBDEF, 0xBFBD 对应 GBK 编码里面就是:锟(0xEFBF),斤(0xBDEF),拷(0xBFBD)。
锟斤拷(可向右滑动)
现在,你知道了吗?
留个作业题:开篇的五言绝句,你知道另外的梗是来自哪里吗?
相关文章
- 跨越数字鸿沟:超聚变刷新“南北东西”算力大版图
- Linux - grep
- 探索数字化转型深水区新范式:联想IT从自我变革到外化赋能
- Centos 镜像文件下载
- 理论:第十二章:Dubbo的运行原理,支持什么协议,与SpringCould相比它为什么效率要高一些,Zookeeper底层原理
- tp5 传参闭包查询+tp5中的where与whereor怎么同时
- 接口自动化测试多场景实践 - 上篇
- Google支付和服务端验证
- PHP获取文件扩展名的4种方法
- tp5 传参闭包查询+tp5中的where与whereor怎么同时使用
- 用PHP是如何做图片防盗链的
- WordPress首页文章列表上显示摘要
- Linux 按时间批量删除文件命令(删除N天前文件)
- 详解WordPress文章阅读量如何统计和显示(非插件)
- Appium元素等待方式
- 自制在线富文本编辑器,精简完整版
- 关于人工智能
- tp5(5.1也能用)系统验证器的直接使用,输出自定义错误信息
- tp5 解决root生成的文件,www用户没有写权限的问题
- nginx服务器的根目录在哪