来源:Java编程的逻辑
乱码
乱码出现的一个重要原因是解析二进制的方式不对,通过切换查看编码的方式就可以解决乱码。
但如果怎么改变查看方式都不对的话,那很有可能就不仅仅是解析二进制的方式不对,而是文本在错误解析的基础上还进行了编码转换。
我们举个例子来说明:
-
两个字 “老马”,本来的编码格式是GB18030,编码是(16进制): C0 CF C2 ED。
-
这个二进制形式被错误当成了Windows-1252编码, 解读成了字符 “ÀÏÂí”
-
随后这个字符进行了编码转换,转换成了UTF-8编码,形式还是"ÀÏÂí",但二进制变成了:C3 80 C3 8F C3 82 C3 AD,每个字符两个字节。
-
这个时候,再按照GB18030解析,字符就变成了乱码形式"脌脧脗铆", 而且这时无论怎么切换查看编码的方式,这个二进制看起来都是乱码,如5
-
UTF-8 ÀÏÂí Windows-1252 ÀÃÂà GB18030 脌脧脗铆 Big5 ���
这种情况是乱码产生的主要原因。
这种情况其实很常见,计算机程序为了便于统一处理,经常会将所有编码转换为一种方式,比如UTF-8, 在转换的时候,需要知道原来的编码是什么,但可能会搞错,而一旦搞错,并进行了转换,就会出现这种乱码。
这种情况下,无论怎么切换查看编码方式,都是不行的。
乱码恢复
"乱"主要是因为发生了一次错误的编码转换,恢复是要恢复两个关键信息,一个是原来的二进制编码方式A,另一个是错误解读的编码方式B。
恢复的基本思路是尝试进行逆向操作,假定按一种编码转换方式B获取乱码的二进制格式,然后再假定一种编码解读方式A解读这个二进制,查看其看上去的形式,这个要尝试多种编码&#x