记事本不能显示“联通”二字的原因

如果你将“联通”二字在电脑的“记事本”里输入，关闭之，再打开，呵呵，变了——变成了一个方块儿！奇怪不奇怪？金小伟的博客 中提到的就是这种现象。我在这里做一个回答。别着急，你先把“记事本”打开，重新写一个“联通”，不要点击“保存”，点击“另存为”，在对话框选择编码的地方，选择“Unicode”。好了，把“记事本”关闭了吧。再打开。怎么样？不变了吧？ 这是编码的问题，和联通、移动没有关系。如果你想知道具体的解答，往下看吧，有点枯燥。大家知道，计算机是美国人发明的，而美国人使用的是英文字母，英文字母只有26个，根据这26个英文字母，我们组合成许许多多的文字。在计算机里，每一个可以开合的晶体管，专家们为了方便，就命名为“字节”。晶体管开，是一种状态；晶体管关，又是一种状态。如果八个这样的晶体管并列，将会有多少种状态呢？告诉你吧，是2的8次方，256种状态。这256种状态怎么利用呢？美国人很聪明，他们将0到20这些数字，分别对应不同的命令，让电脑做出不同的动作。 他们又把所有的空格、标点符号、数字、大小写字母分别用连续的字节状态表示，一直编到了第127号，这样计算机就可以用不同字节来存储英语的文字了。大家看到这样，都感觉很好，于是把这个方案叫做 ANSI 的"Ascii"编码（American Standard Code for Information Interchange，美国信息互换标准代码）。当时世界上所有的计算机都用同样的ASCII方案来保存英文文字。后来，世界各地的都开始使用计算机，但是很多国家用的不是英文，他们的字母里有许多是ASCII里没有的，为了可以在计算机保存他们的文字，他们决定采用127号之后的空位来表示这些新的字母、符号，还加入了很多画表格时需要用下到的横线、竖线、交叉等形状，一直把序号编到了最后一个状态255。从128到255这一页的字符集被称"扩展字符集"。从此之后，大家一位万事大吉了，可以好好歇一会儿了。可是没有想到我们中国的汉字呢！等到中国用计算机的时候，  不得不考虑，如何才能将汉字装入电脑。思来想去，大家决定那些127号之后的奇异符号们直接取消掉，规定：一个小于127的字符的意义与原来相同，但两个大于127的字符连在一起时，就表示一个汉字，这样我们就可以组合出大约7000多个简体汉字了。除此之外，我们将数字、标点、字母都统统重新编了两个字节长的编码。这就是传说中的“全角”字符，而127以下的就是“半角”字符。这种编码方案被我们称之为“GB2312”。显然，GB2312扩展了 ASCII 。后来，有些人名地名中的生僻字还是输入不进去，怎么办呢？扩展！于是将原来没有用到的码位找出来，用上。后来发现，还是不够用，怎么办？那就干脆不再要求低字节一定是127号之后的内码，只要第一个字节是大于127就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容。这种编码方案叫做“GBK 标准”。后来，我们少数民族也要用电脑，又要加上几千个少数民族的字，怎么办？再扩展。GBK 扩成了 GB18030。记住，这些都是中国自己搞的编码方案。世界上有很多国家，它们都和中国一样，搞了一套自己的编码方案。即使是台湾，他们的编码方案和大陆也不一样。这样一来，就很麻烦。大家各执己见，就乱了套。于是国际标准出来了。一个叫 ISO （国际标谁化组织）的国际组织决定着手解决这个问题。他们采用的方法很简单：废了所有的地区性编码方案，重新搞一个包括了地球上所有文化、所有字母和符号的编码！他们打算叫它"Universal Multiple-Octet Coded Character Set"，简称 UCS, 俗称 "UNICODE"。 ISO 直接规定必须用两个字节，也就是16位来统一表示所有的字符，对于ascii里的那些“半角”字符，UNICODE 包持其原编码不变，只是将其长度由原来的8位扩展为16位，而其他文化和语言的字符则全部重新统一编码。这个标准出来之后，当然大家是比较欢迎的，虽然说浪费了一点空间，但是计算机性能不是也上来了吗？咱不在乎。对应的，计算机在传递数据的时候，就采用了新的标准。其中UTF8传输标准，就是每次8个位传输数据，成为了记事本的默认标准。当我们在输入“联通”这两个字的时候，我们采用的是GB系列的编码方式，但是保存的时候发生了误会。“联通”的内码是：      c1 1100 0001      aa 1010 1010      cd 1100 1101      a8 1010 1000  第一二个字节、第三四个字节的起始部分的都是"110"和"10"，正好与UTF8规则里的两字节模板是一致的，于是再次打开记事本时，记事本就误认为这是一个UTF8编码的文件，让我们把第一个字节的110和第二个字节的10去掉，我们就得到了"00001 101010"，再把各位对齐，补上前导的0，就得到了"0000 0000 0110 1010"，不好意思，这是UNICODE的006A，也就是小写的字母"j"，而之后的两字节用UTF8解码之后是0368，这个字符什么也不是。这就是只有"联通"两个字的文件没有办法在记事本里正常显示的原因。   而如果你不仅仅输入“联通”这两个字，或者不采用默认的保存方式，就不会发生这样的误会了。你可以试试！

注：本文为转载文章.原出处:点击打开链接