粘贴和复制下的字符编码

直入正题，开始：

 

比如一个简单的繁体“絲”字，从网页中拷贝(Ctrl + C)下来，然后粘贴(Ctrl + V)到简单的文本文件中，

对于用户而言，这个字都是能被始终正常显示的。

 

背后发生的事情：

1. 首先了解“絲”字的编码

    在GBK的编码系统中，该字的编码是 0xBD 0x7A

    (http://www.360doc.com/content/05/0801/15/305_4166.shtml )

    在UNICODE的编码系统中，该字的编码是 0x7D 0x72

    (http://www.nengcha.com/code/unicode/ )

    参考UTF-8对Unicode编码的书写规则，该字的编码又被变化成了

    1110 0111 1011 0101 1011 0010  即 0xE7 0xB5 0xB2

    (http://www.cppblog.com/kb/archive/2005/09/19/320.aspx )

 

2. 开始复制和粘贴

    从UTF8编码的网页中拷贝这个字，实际上这个字已经从网页编码变成了操作系统内码(Windows中文系统应该就是GBK)

    也就是从上述的Unicode的UTF8形式，转换成了GBK码

 

    这样也就意味着，如果你是粘贴到系统的一个简单文本中，那么就是GBK的“絲”；

    而粘贴并存储到一个UTF8的网页，那么就是UTF8的“絲”。

 

UTF8 Character Table list:

http://www.utf8-chartable.de/unicode-utf8-table.pl