编码，解码与乱码的原理与乱码解决

在做开发中肯定经常遇到乱码这种事情，对于新手来说比较头疼，很难解决。但其实只要等你了解的知识够了之后，你就会发现太简单了，而且高手是不会碰到乱码的

首先用图来表达这个内容，若看的懂图，后面的长长的字就不用看了。
以ISO-8859-1与utf-8为例:

 

*前言
在说编解码之前，有必要提一下为什么要编码，解码。我现在所写的这些字，计算机都是不认识的，在它内部，只认识二进制0，1，在它的存储里也没有字符的说法，只有0,1。所谓的字符只是我们人类为了标识我们的世界里的事物而创造的，现在有了计算机，它运算快，我们想让它帮我们处理问题，但是他不认识字符，我们不认识0,1，于是，我们就规定（假设这样规定）：一个字节表示一个字符，10000000 表示A，100000001 表示B 。。。。。。这种规定就叫编码方式（0，1组合到具体字符的映射关系）。有了刚才的规定，现在，从计算机里读到10000000 ，则文本软件就依照映射将其翻译成A显示呈现出来，反之亦然。
*正文
正如前言所讲，编码实际上就是一种一对一的映射关系。但是不同人有不同的想法，有人说10000000 是A，有人说它是X（你们随意），于是就产生很多种所谓的编码方式（GBK，UTF-8.。。。。）。不同的编码方式将同一二进制数据解释成不同的字符，正是由于大家所用的标准不同，造成相互转化时，谁也不认识谁（有一张票子，你说那是钱，一老外说是money，谁对谁错呢？有点哲学的意思，应该看具体使用场景吧），于是乱码了。所以应该保证你用什么编码存储的，就用什么编码解释它（解码）。

*坑
上面说了，打开一个文件乱码，一定是没用它编码的编码方式来解释，那我换成它的编码方式来打开就不乱了？
理论上讲是这样的。还是那上面举例的编码方式，第一种编码认为100000000 应该表示A，反之A应解释成10000000,第二种编码认为应该表示@符号。那么很明显，我想存储A，采用第一种方式 在磁盘上写下10000000，当你用第二种编码来解释时，得到@符号，此时无意义，可以认为是乱码，这时只需换回第一种编码，就能正确取得A字符。
往往都是理论上，在实际中，特别是汉字编码，很多字符编码的范围没汉字范围大，那他们怎么办呢？不认识的统统拿某一字符替换！比如上面的例子，假设第二种编码只用到了10000011-101111111这个范围来表示字符（它只认这么多）如果它读取到这个范围以外的二进制序列，它的映射关系里没有啊，那怎么办，就用自己有的某个字符替换咯，假设拿？（100011111）来表示所有不认识的序列。如你所见，乱码了。此时，只是变现层是？字符，在磁盘上还是存储的原本的二进制序列，尽管此编码不认识它，但总有一个合适的编码能正确解释它。但是当你使用这个编码按下保存键时，刚才被替换的成？的字符是不是在此时也被当成你自己输入的字符了？电脑可不管你这个字符哪儿来的，你按保存就是保存当前内容，于是？被保存了（100011111），那么也就相当于原来的字符已经在二进制数据上被？替换了。这时，你再换回原本的编码也得不到原本的“正确”字符了。