回想起毕业刚工作时,大白差点被"锟斤拷"搞死
手持两把 锟斤拷
口中疾呼 烫烫烫
脚踏千朵 屯屯屯
笑看万物 锘锘锘
� 为何物?
其实,这个 “ � ” 真是无处不在,比如大名鼎鼎的微信:
再比如,封面图中,单价22元的“锟斤拷 锟斤拷 ”,再随便百度一把:
要弄清这个问题,还得先从编码谈起。
因为在计算机的眼里,都是二进制,具体用哪些二进制数字表示哪个符号,这就是编码。不要把编码想象得太复杂,其实就是一个很简单的 mapping。
比如大家所熟知的 ASCII 编码,规定了 二进制的 0100 0001
,也就是十进制的 65
,代表的含义就是大写字母 A
。
�
也是一种编码字符,就跟上面的 A
一样一样的,它是 UNICODE 编码方式中的一个特殊的字符,也就是 0xFFFD(65533),语义是一个占位符,用来表达这套编码系统中未知的,自己不认识的东西。
比如上篇文章中的实验截图的,红色部分圈出来的对应的字符,UTF-8 编码都不认识,所以按照 UNICODE 的定义,我就只好用统一的一个占位符 —— 0xFFFD(65533)
来表示。
为什么会出现“锟斤拷”?
我们接着上篇的例子来看, 如下图所示,仍然从 “程序猿石头” 对应二进制编码截取部分:
如上图所示,第 18 行的字节数组 new byte[] {-25, -119, -25, -116}
, UTF-8
恰好都不认识,因此只能用占位符替换。
这种情况,在编码转换过程中确实也比较常见,如果双方没沟通清楚,确实很容易出现互相不认识的情况。
在中文系统中,常见的字符编码是 GBK,这个时候,因为大家没提前商量清楚,我就默认按照 GBK 给你编码看看。
惊不惊喜意不意外……
其实是因为, �
用 UTF-8
编码后变成了 0xEFBFBD
(就是上面的字节数组 [-17, -65, -67]
),两个连起来就是 0xEFBFBDEFBFBD
,也就是上面的字节数组 [-17, -65, -67, -17, -65, -67]
。
而 GBK 编码依然采用双字节编码方案,因此上面的 6 字节 0xEFBFBDEFBFBD
,就被拆成了 3 个 2 字节字符即 0xEFBF, 0xBDEF, 0xBFBD
对应 GBK 编码里面就是:锟(0xEFBF),斤(0xBDEF),拷(0xBFBD)。
锟斤拷(可向右滑动 )