由一节废电池引起

网上看到这样一个笑话，标题为“为什么联通斗不过移动”：

在你的Windows 2000或Windows XP上用系统自带的记事本新建一个文本文档，输入“联通”，然后保存。再用记事本打开。
看到什么了？不错！是一节废电池。而用同样的方法输入“移动”，就不会有问题。知道为什么联通斗不过移动了吧。

搞笑之余，思考一下，为什么会是这样？这还得从字符编码说起。“联通”二字的GBK编码分别是“C1AA”和“CDA8”。转换成二进制看看：

16进制          二进制
C1AA ==> 11000001 10101010
CDA8 ==> 11001101 10101000

这两个字的高字节都是由“110”开头，低字节都是由"10"开头，正好既符合GBK编码规则又符合UTF-8编码规则。如果记事本程序默认按 GBK编码进行解析，当然没问题。可是它默认是先检测文件是否为UTF-8编码，正好通过了检测。于是就认为这是UTF-8编码的文件，并按UTF-8编 码规则转换为UNICODE编码，然后进行显示：

UTF-8                        UNICODE
11000001 10101010 ==> 01101010 00000000 （这正好是“j”的编码，用UltraEdit转换后是这个编码，不过
                                          不知道记事本把它转换成什么了，在记事本中显示是空的）
11001101 10101000 ==> 01101000 00000011 （这个编码在记事本中显示为一个黑方块，就是所谓的废电池了:-)）

其实不只是“联通”两个字会有这种情况。其实GBK编码中很多字符都可能被“记事本”误解为UTF-8编码的字符。这些字符的共同特征是高字节都是由“110”开头，低字节都是由"10"开头。这里随便列举一些：

陋(C2AA), 锚(C3AA), 谩(C3A1), 立(C1A2), 敛(C1B2) ...

参考:正确理解UNICODE UTF-8等编码方式