亂碼的由來

看了很多關于亂碼的文章，總覺得不夠清晰，看的雲裡霧裡。在一本書上看到解釋還比較清楚，摘下。

計算機中，字元都是以二進制的數字來存儲的，這種字元與數字對應的關系就被稱為字元的編碼。例如"a"對應的編碼是65，這個65就是"a"的ascii編碼。

從計算機的字元編碼發展曆史來看，大概經曆了三個階段。

（1）第一個階段是ascii英文編碼階段，這個時候隻支援英語，其他語言不能夠在計算機上存儲和顯示。

（2）第二個階段是ascii多種語言編碼的階段，為使計算機支援更多語言，通常使用多個ascii碼組合來表示一個字元，例如漢字通常使用2個位元組的ascii編碼來存儲。這種編碼方式稱為ansi編碼。但是，不同的國家和地區制定了不同的标準，由此産生了gb2312,big5,jis等各自的編碼标準。在簡體中文系統下，ansi編碼代表gb2312編碼，在日文作業系統下，ansi編碼代表jis編碼。不同ansi編碼之間互不相容。如果儲存和打開的編碼方式不同，就會出現亂碼的情況。

（3）第三個階段是unicode階段。為了使國際間資訊交流更加友善，國際組織制定了unicode字元集，為各種語言中的每一個字元設定了統一并且唯一的數字編号，以滿足跨語言、跨平台進行文本轉換，處理的要求。現在大部分的作業系統和語言都提供了對unicode的支援。

 unicode編碼時，每個字元會占用4個位元組的空間。如果字元中存在大量的英文字母，無疑使用unicode會浪費許多資源，是以unicode的編碼方式也出現了許多中分化，utf-8是其中最靈活和常用的編碼之一，它在表示傳統的ascii字元時依然隻是用1個位元組存儲，而其他字元不變。這種方式可以節約空間，還可以保證向後與ascii相容。

俗話說解鈴還須系鈴人，要保證能夠正确的解釋字元，不出現亂碼的情況，關鍵在于選擇正确的編碼方式進行解碼。