网页为什么会乱码？浅析字符集编码ASCII和Unicode

因为编码不对！

什么是编码？编码不对为什么会乱码？

……？？

编码转换为什么会丢失数据？

……？？

不管是数据库还是网页，都可能碰到过乱码问题

在计算机世界里，所有数据都使用二进制存储，即只有1和0，在人的世界里有中文／英文／阿拉伯文等，还有图片／视频／音频，如何使用二进制存储和显示它们呢？具体使用哪些二进制字符表示哪个符号的这样一种规则就叫编码。编码充当着一个翻译的角色，计算机是美国人发明的，为了存储他们使用的语言abcd等26个英文字母以及常用的符号～！@＃¥％……&＊（）－＋，美国有关标准化组织出台了ASCII编码，但是，ASCII编码是单字节编码系统，最多只能表示256个字符，因此ASCII只适用于拉丁文字子母，而其他国家有各种各样的语言文字，比如中文字符有好几万个，于是有了GB2312双子节编码。

GB2312适用于汉字处理、汉字通信等系统之间的信息交换，GB2312共收录6763个常用中文和非汉字图形字符682个，由中国国家标准总局于1980年发布，随着汉字标准的发展，GB2312收录的6千多字明显不够用了，1995年又发布了GBK编码，GBK是GB2312的扩展，向下兼容GB2312编码，GBK编码共收录了21003个汉字。

观察ASCII会发现，ASCII编码只能表示寥寥256个字符，而GB2312共收录6千多个字符，假如想用ASCII编码来表示六千多个中文，很明显ASCII里面并没有与中文对应的映射关系，所以就显示乱码了。

每个国家都有自己相应的编码规则，为了解决编码不统一的问题，Unicode编码方案应运而生。Unicode也叫统一码或万国码，它是计算机科学领域里的一项业界标准，Unicode把所有语言都统一到一套编码里，以满足跨语言、跨平台进行文本转换、处理的要求，这样就不会再有乱码问题了，它于1994年正式公布。UTF8就是Unicode编码方案的一种。

UTF8的长度是1-4位（最初是1-6位），GB2312长度是2位，一个长度为3位的UTF8字符转换成GB2312就会丢失信息，显示乱码，再转换回UTF8也无济于事，因为信息已经丢失。这就是我们有时候在转换编码的时候乱码的原因。 

作者：王美建
出处：http://www.cnblogs.com/wangmeijian

本文版权归作者和博客园所有，欢迎转载，转载请标明出处。

如果您觉得本篇博文对您有所收获，请点击右下角的 [推荐]，谢谢！