字符串编码

1. utf-8中，一个字母用一个字节表示，一个汉字用三个字节表示，特殊的汉字用四个字节表示
2. gbk中，一个字母用一个字节表示，一个汉字用两个字节表示。
3. ISO-8859-1
   1. 单字节编码，向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。
4. GBK
   1. 采用单双字节变长编码，英文使用单字节编码，完全兼容ASCII字符编码，中文部分采用双字节编码。双字节其编码范围从8140至FEFE（剔除xx7F）。
      
      单字节：00000000 - 01111111
      
      双字节：10000001 01000000 - 11111110 11111110 (剔除******** 01111111)
      
      单字节、双字节的区分通过高字节高位区分，单字节高位为0，双字节的高字节高位为1。
5. UTF-8
   1. 可变长字符编码，是unicode码的具体实现，UTF-8用1到6个字节编码Unicode字符。
      
      UTF-8编码规则：如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的字节数，其余各字节均以10开头。
      
      1字节 0xxxxxxx
      
      2字节 110xxxxx 10xxxxxx
      
      3字节 1110xxxx 10xxxxxx 10xxxxxx
      
      4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
      
      5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
      
      6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
      
6. 明白上述GBK和UTF-8的编码规则，我们再分析一下，单个中文字符是乱码，两个字符却能正常显示的问题。
   1. “你”
   2. UTF-8编码对应的二进制：11100100 10111101 10100000

   3. 将上述二进制通过GBK进行解码，根据GBK规则，第一个字节高位为1，使用双字节编码，

      “11100100 10111101”解码成“浣”,“10100000”对于GBK来说是非法的，就解码成了一种特殊字符“�”。

   4. 看看能不能将“浣�”还原回“你”呢？
   5. GBK编码对应的二进制：11100100 10111101 00111111
   6. 看到上述的二进制，根本不符合UTF-8编码规则，故用UTF-8进行解码，是解码成了一些特殊字符“�?”。
   7. 对于上述情况可以看出，一个二进制，如果不符合当前的编码规则，会被解码成特殊字符，但此特殊字符再进行编码，是回不到最初的二进制的。
7. 用同样的方式，分析“你好”为什么最终可以正常显示。
   1. “你好”
   2. UTF-8编码对应的二进制：11100100 10111101 10100000 11100101 10100101 10111101
   3. 将上述二进制通过GBK进行编码，根据GBK规则，使用双字节编码，“1100100 10111101”解码成“浣”，“10100000 11100101”解码成“犲”，“10100101 10111101”解码成“ソ”。
   4. 看看能不能将“浣犲ソ”还原成“你好”呢？
   5. GBK 编码对应的二进制：11100100 10111101 10100000 11100101 10100101 10111101
   6. 可以看出二进制是可以被还原的，将此二进制通过UTF-8解码，肯定能变成“你好”
8. 可以看出，一个字符串，通过UTF-8进行编码，再通过GBK进行解码，再将得到的字符串进行GBK编码，最后将得到的二进制通过UTF-8解码，能否还原到最初的字符串，在于UTF-8编码后得到的二进制，是否符合GBK的编码规则，如果符合，最终就可以还原，如果不符合，就不可还原。
9. 总结
   1. 理论上说，用GBK编码，UTF-8解码的字符串是不能还原到最初的字符串的，因UTF-8编码规则的特殊性，GBK编出的二进制，是很难匹配上的。
   2. 理论上说，系统出现乱码，将乱码还原到最初的样子，上述UTF-8编码，GBK解码，这个有时是可以还原的，有时是还原不了的，要看UTF-8编码的二进制是否都能符合GBK的编码规则，但GBK编码，UTF-8解码，这个基本是条不归路。

   3. 但实际中，有一种情况，是100%可以将乱码还原成最初的字符串。就是任意编码格式编码，ISO-8859-1解码，这个主要因为ISO-8859-1是单字节编码，而且匹配所有单字节情况，乱码字符串总是可以还原到最初的二进制。