常见乱码产生原因以及锟斤拷的产生过程
文章目录
常见乱码产生原因方块码的产生原因代码测试控制台打印以下信息编码原理
锟拷码的产生原因代码测试控制台打印以下信息编码原理
常见乱码产生原因
名称示例特点原因古文码浜屽紶涓夋潕鍥旇档鍏大多为不认识的古文，夹杂日韩文以GBK方式读取UTF-8编码的中文方块码�������大部分字符为方块问号以UTF-8方式读取GBK编码的中文符号码å¼ä¸æåçäºèµµèä¸大部分字符为各种符号以ISO8859-1方式读取UTF-8编码的中文拼音码ÕÅÈýÀîËÄÍõÎåÕÔÁ大部分字符为带着声调的字母以ISO8859-1方式读取GBK编码的中文问句码寮犱笁鏉庡洓鐜嬩簲叚鑰?基本和古文码一致，字符串为偶数时正常，长度为奇数时结尾会带上问号以GBK方式读取UTF-8编码的中文，然后又用GBK的格式再次读取锟拷码锟斤拷锟斤拷锟斤拷基本都是锟斤拷三个字符以GBK方式读取UTF-8编码的��
方块码的产生原因
下面我们来看一下方块码具体是怎么来的 首先需要知道方块码‘�’的产生原因，由上图可知，方块码是以UTF-8方式读取GBK编码的中文，而UTF-8和GBK编码的区别在于：
UTF-8会将中文转化成三个字节进行存储GBK会将中文转化成两个字节进行存储
代码测试
public class TestCode {
public static void main(String[] args) {
test_UTF8_GBK();
}
//UTF8_GBK
static void test_UTF8_GBK(){
try {
byte[] GBKbyte = "张三".getBytes("GBK");
System.out.print("张三的GBK编码：");
for (byte b : GBKbyte) {
System.out.print(b + " ");
}
String UTF8_GBKbyte = new String(GBKbyte, "UTF-8");
System.out.println("\nUTF-8读取GBK编码："+UTF8_GBKbyte);
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
}
}
控制台打印以下信息
张三的GBK编码：-43 -59 -56 -3 UTF-8读取GBK编码：����
编码原理
"张三"在GBK中实际以-43 -59 -56 -3 进行存储，再由UTF-8读取时，由于这些码在UTF-8库中无法匹配 UTF-8字符集也有一个专门用于提示用户字符无法识别或展示的替换符号：也就是‘�’ 因此，我们会看到，使用UTF-8读取GBK编码的中文时就会产生方块码
锟拷码的产生原因
由上表可知，锟拷码是由于以GBK方式读取UTF-8编码的��得到，而如果产生了方块码，就有可能会产生锟拷码
代码测试
public class TestCode {
public static void main(String[] args) {
test_GBK_UTF8byte();
}
static void test_GBK_UTF8byte() {
try {
byte[] UTF8byte = "����".getBytes("UTF-8");
for (byte b : UTF8byte) {
System.out.print(" " + b);
}
String GBK_UTF8byte = new String(UTF8byte, "GBK");
System.out.println("\n" + GBK_UTF8byte);
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
}
}
控制台打印以下信息
-17 -65 -67 -17 -65 -67 -17 -65 -67 -17 -65 -67 锟斤拷锟斤拷
����首先被转化成了12个字节，按照-17 -65 -67的顺序排列，因此，当使用GBK读取时，会两个两个进行解析，-17 -65 解析成锟，-67 -17 解析成斤，-65 -67解析成拷
编码原理
由于�在UTF-8编码中会被编码成-17 -65 -67三个字节，而两个方块码会产生6个字节，正好满足GBK编码中取两个字节进行解码
-17 -65 对应 “锟”-67 -17 对应 “斤”-65 -67 对应 “拷” 因此当我们使用GBK来读取UTF-8编码的方块码时，原来的两个方块码“��”就会被GBK读取成了“锟斤拷”，如下表所示
字符UTF-8GBK�-17 -65 -67��-17 -65 -67 -17 -65 -67锟-17 -65斤-67 -17拷-65 -67