为什么会存在乱码？什么是编解码？为什么会有这么多字符集？

发布时间：2025-11-05 10:40:26 来源：码上建站 作者：人工智能

前言乱码这个东西相信大家都遇到过，乱码今天我的什编女朋友三歪就火急火燎的上来找我：“亲爱的，我的解码idea怎么输出乱码了？”

我一顿操作就给他搞好了，但是多字三歪不愧是蘑菇街我的女朋友，好奇心跟我是符集一样样的，随我。乱码

那为什么会出现乱码呢？什编

什么是编码，什么是解码解码？

什么是字符码，什么是多字字符集？

为什么要有 Unicode ？UTF-8 和 GBK 又有什么不同呢？

为什么会出现乱码我们知道计算机里存储的只会是 0 和 1 组成的字节流，而仅是符集数字满足不了我们的需求，我们还需要文本的乱码处理等等，但是什编计算机只认识数字，所以我们需要告诉计算机什么数字代表什么字符。解码

比如我指定 0000 代表 A，源码下载多字0001 代表 B 这样计算机就知道了，符集所以我要把 AB 这两个字符存入计算机的话，实际存储的就是0000 0001，其实就等于把每个字符定制一个唯一的编码。

但是这是我的指定，不同的人想法是不同的，比如小明就喜欢 1000 表示 A ，1111 表示 B，那小明的计算机按照他指定的编码方式存储，就是 1000 1111，之后传输给我的计算机，我拿到1000 1111，按照我的编码解出来可能就是 %& 了，这就乱码了。

所以乱码的本质就是编码和解码实现没对应上。亿华云

有些同学可能对编码和解码的概念不太熟悉，我来解释一下：

可以看到随意编码的就会产生各自的计算机都无法正确解析的情况，所以需要有一个标准，大家都按那个标准来指定字符和数字的对应关系。

标准字符编码美国国家标准协会 ANSI 就制定了一个标准，即美国信息交换标准代码（ASCII），规定了常用字符集的集合和对应的数字编号，例如 65 表示 A。

ASCII 实际上是 7 位编码，用二进制代码表示就是 0000000~1111111，不过 1 个字节是 8 位，所以一般都用 8 位来存储。可以看到 ASCII 代表了 128 个字符，这其实是倾美国的编码，你看同样讲英文的云南idc服务商英国，ASCII 上都没英镑的标记。

还有人家的韩文，日文等等，更别说咱们中文了。

1 个字节最多只能表示 256 个字符，所以对我们来说不够用，因此需要扩展，像 GB2312 就是我们国家标准总局发布的《信息交换用汉字编码字符集》，后来又发布了 GBK ，这个 K 就是扩展的意思，在 GB2312 的基础上又添加了很多比如繁体字等字符。

所以说等于每个国家都有自己的标准，因为语言都是不同的，各字符集的不同就导致计算机之间文档的交流非常困难，因此大家又开始了一波标准化。

像美国的 ANSI 组织制定了 ANSI 标准字符编码，其实就是制定平台默认的编码，比如中国的操作系统就用 GBK ，如果是美国就用 ASCII，操作系统会预装这些标准字符集。

不过这只能解决一份文档一份字符编码的情况，假设我文档里面有日语、法语、德语、俄语、中文，你说怎么办？

Unicode所以又搞了个 Unicode，又称统一码、万国码、单一码。

Unicode 字符集涵盖了目前人类使用的所有字符，并为每个字符进行统一编号，分配唯一的字符码，你看这种事情总得有人做，不然就没法统一。

这里有几个术语我解释一下，让大伙更加清晰一些。

对于 Unicode 而言有一点和之前的编码不太一样，它将字符集和编码实现解耦了。

之前的编码比如 ASCII 编码、GBK 编码等等，它们的字符集和编码实现是绑死的，你可以理解成以前的编码其实就是查表，有一个固定的表格里面存储这字符和对应固定的二进制，比如 A 对应的编号是 65，其二进制序列就是 01000001。

而 Unicode 不一样，它将字符集和字符编码实现分开了，比如 A 对应的编号是 65，但是对应的二进制序列就不一定了，得看具体的字符编码，如果是 UTF-8 编码，则是 01000001，如果是 UTF-16 编码（大端），则是 00000000 01000001。

这其实也是为什么我们现在常用 UTF-8 而不是 UTF-16 的原因，可以看到 UTF-16 编码存储效率较低，最少使用两个字节，并且像 C 语言的很多函数都会将 0x00 字节作为字符串的停止符来解析，所以才搞了个 UTF-8，其使用 1~4 字节为每个字符编码，是变长的，具体如何编码的我就不说了，随便查一下就有。

最后至此我们已经清晰了乱码的根源，也知晓了为什么会有那么多字符编码的出现，毕竟语言多，一开始出了个 ASCII，但是对于其他国家来说不够用，于是都各自进行了扩展。

而编码多了各个国家之间难以做到统一，不易兼容，所以后来国际组织制定搞了个 Unicode 字符集，对所有字符做了统一的编排，并且为了使得编码更加灵活把字符集和编码实现分开来。

对了，为什么英文都不会出现乱码就是因为绝大部分的字符集都是基于 ASCII 扩展的，所以都兼容 ASCII 。

相关文章