计算机程序的思维逻辑 (7) - 如何从乱码中恢复 (下)？

乱码

上节说到乱码出现的主要原因，即在进行编码转换的时候，如果将原来的编码识别错了，并进行了转换，就会发生乱码，而且这时候无论怎么切换查看编码的方式，都是不行的。

我们来看一个这种错误转换后的乱码，还是用上节的例子，二进制是(16进制表示)：C3 80 C3 8F C3 82 C3 AD，无论按哪种编码解析看上去都是乱码：

虽然有这么多形式，但我们看到的乱码形式很可能是"ÀÏÂí"，因为在例子中UTF-8是编码转换的目标编码格式，既然转换为了UTF-8，一般也是要按UTF-8查看。

乱码恢复

"乱"主要是因为发生了一次错误的编码转换，恢复是要恢复两个关键信息，一个是原来的二进制编码方式A，另一个是错误解读的编码方式B。

恢复的基本思路是尝试进行逆向操作，假定按一种编码转换方式B获取乱码的二进制格式，然后再假定一种编码解读方式A解读这个二进制，查看其看上去的形式，这个要尝试多种编码，如果能找到看着正常的字符形式，那应该就可以恢复。

我们举个例子来说明，假定乱码形式是"ÀÏÂí"，尝试多种B和A来看字符形式，如下图所示：

可以看出，第一行是正确的，也就是说原来的编码其实是A即GB18030，但被错误解读成了B即Windows-1252了。

恢复的讨论

可以看出，这种尝试需要进行很多次，上面例子尝试了常见编码GB18030/Windows 1252/Big5/UTF-8共十二种组合。这四种编码是常见编码，在大部分实际应用中应该够了，但如果你的情况有其他编码，可以增加一些尝试。

不是所有的乱码形式都是可以恢复的，如果形式中有很多不能识别的字符如�?，则很难恢复，另外，如果乱码是由于进行了多次解析和转换错误造成的，也很难恢复。

上面的尝试可以手工进行，借助文件编辑器如EditPlus, NotePad++, UltraEdit进行编码转换和切换查看编码的方式。

但我们是学编程的，这种尝试当然应该可以通过写程序自动进行，程序甚至应该可以自动判定哪些尝试是无效的，哪些尝试是可能有效的。

那怎么写程序呢？这个问题，由于牵涉的内容较多，此时我们暂不介绍，留待后续文章说明。

小结

上节和本节介绍了编码的知识，乱码的原因及恢复方法，这些都是与语言无关的。

接下来，是时候看看在Java中如何表示和处理字符了，我们知道Java中用char类型表示一个字符，但在第三节我们提到了一个问题，即"字符类型怎么也可以进行算术运算和比较?"。

我们需要对Java中的字符类型有一个更为清晰和深刻的理解。