编码问题详解

• 为什么会有编码

看下图：无论是电脑内存数据，还是本地文件，还是网络传输的数据，数据总是以"二进制"或者称"字节"数组的形式存在的，为了保存字符，就必须完成字符到字节的转换，如何转换的过程叫做编码。为了还原这些字节数组的实际含义，还必须完成字节到字符的映射，如何映射的过程称作译码。

编码过程类似于：

y=f（x） //其中x表示字节，y表示字符，函数f()就表示采用的编码方式。

译码过程：

x=g（y）//其中g是f的反函数。

• 为什么有很多编码？

首先不同国家使用的字符不同，有汉子，韩文，英文，俄文等，需要的编码函数f当然不一样，所以存在各种f规则，用来映射称01010101；

其次即便是同一种字符，还是有可能采用不同的编码函数f，所以存在各种f，因为有些f可能比另一些f更合适；

最后为了能够囊括所有的字符，国际标准组织采用“大大大F”，把所有的字符都包括住了，这就是国际统一编码UTF，但最终还是没统一起来。。。。。

• 为什么看起来会乱码？

看上图：本来字符“中文”是按照GBK的函数f1编码成字节的，用f1的反函数再进行译码是正确的。但是有时候阅读器可能错误的采用了译码函数g3来译码。g3又不是f1的反函数，当然和以前的映射过程不一样了，这样当然会乱了。

• 如何看待编码混乱问题？

1、对于已经存在的字符，它是不知道自己以前是怎么通过译码完成字节到字符的转换的，但是它知道它可以采用任意编码方式进行编码，再变成01010101。

2、对于已经存在的字节数组，你必须清楚的知道，它当初是字符的时候，是采用的哪种编码方式变成01010101。

如果以上两条规则弄明白了，你就应该清楚，根本不存在“GBK字符”或者“UTF8”字符，这一类的说法了，你把“中文”这两个字符使用GBK编码成字节，再译码成字符，这个字符还是以前的字符，和GBK没关系。你采用任何编码方式编码成字节，再译码回去，它还是以前的字符。字符就是字符。~~~~~~