乱码的由来

看了很多关于乱码的文章，总觉得不够清晰，看的云里雾里。在一本书上看到解释还比较清楚，摘下。

 

计算机中，字符都是以二进制的数字来存储的，这种字符与数字对应的关系就被称为字符的编码。例如"A"对应的编码是65，这个65就是"A"的ASCII编码。

从计算机的字符编码发展历史来看，大概经历了三个阶段。

（1）第一个阶段是ASCII英文编码阶段，这个时候只支持英语，其他语言不能够在计算机上存储和显示。

（2）第二个阶段是ASCII多种语言编码的阶段，为使计算机支持更多语言，通常使用多个ASCII码组合来表示一个字符，例如汉字通常使用2个字节的ASCII编码来存储。这种编码方式称为ANSI编码。但是，不同的国家和地区制定了不同的标准，由此产生了GB2312,BIG5,JIS等各自的编码标准。在简体中文系统下，ANSI编码代表GB2312编码，在日文操作系统下，ANSI编码代表JIS编码。不同ANSI编码之间互不兼容。如果保存和打开的编码方式不同，就会出现乱码的情况。

（3）第三个阶段是Unicode阶段。为了使国际间信息交流更加方便，国际组织制定了Unicode字符集，为各种语言中的每一个字符设定了统一并且唯一的数字编号，以满足跨语言、跨平台进行文本转换，处理的要求。现在大部分的操作系统和语言都提供了对Unicode的支持。

       Unicode编码时，每个字符会占用4个字节的空间。如果字符中存在大量的英文字母，无疑使用Unicode会浪费许多资源，因此Unicode的编码方式也出现了许多中分化，UTF-8是其中最灵活和常用的编码之一，它在表示传统的ASCII字符时依然只是用1个字节存储，而其他字符不变。这种方式可以节约空间，还可以保证向后与ASCII兼容。

 

俗话说解铃还须系铃人，要保证能够正确的解释字符，不出现乱码的情况，关键在于选择正确的编码方式进行解码。