面试官：我收到的文件为啥会打开乱码？

今天是春节之后第一天上班，

锟哥在这里先祝大家，开工大吉，身体健康！

同时，锟哥也给大家准备了开工红包，在我们的公众号后台回复 开工大吉 领取红包，先到先得哦！

回归今天的主题，我们先来看一张图：

是不是非常非常的熟悉，特别是在 5-6 年之前！

你向某人发的 表白小作文.txt，他迟迟不回你信，别怀疑，TA 或许打开看到的就是这样的内容，哈哈！

今天我们就要来讨论下：

为啥当年你迟迟没收到回信，呸....

讨论下，这乱码是咋造成的！

字符编码基础知识

要破译这悬案，首先得知道些字符编码的基础知识。

因为字符编码，对于计算机技术来说，是他必不可少的基石。

为啥呢？

因为计算机他们计算、交流都使用的是 010101 这种二进制，

我们人类不可能也用二进制去和计算机交流呗，

如果那样的话，你现在看到的这篇文章应该全是 01 而不是现在的这种 文字符号 。

所以在文字和计算机之间就必须存在一种转换（翻译）的角色，

就像两个不同国家的人交流，

如果双方都不懂对方语言，就需要一个 翻译 来为双方翻译。

这个 翻译 在计算机里面就是 字符集 。

最开始计算机只收录了 128 个字符，这个字符集叫 ASCII 码。

以下我截了表的部分，来自百度百科。

你可以看到，大写字母 A 对应的数字是 65 。

怎么运作的呢？

计算机里面计算、存储这些依旧使用 0101 二进制，但是当需要和人类交互的时候，就需要按照字符集翻译成属于我们的文字。

来看一句 Go 语言代码：

fmt.Printf("%c \n",65)

// 执行结果
A

这句代码就是把 65 这个十进制，根据字符集给翻译成了大写字母 A 。

更多的字符集

ASCII 码 表只收录了 128 个字符，随着互联网技术的发展，很明显是不够用的。

不同国家有自己的文字也就意味着有各自的字符集，比如我国就有GB2312，韩国有Euc-kr，

但这样一来大家都各自搞一套，不乱套了么！

于是 Unicode 就诞生了，他把全球所有的符号都给收录了进来，都给了他们一个唯一的编码。

貌似一下就天下太平了。

但是 Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

比如，汉字严的 Unicode 是十六进制数4E25，转换成二进制数足足有15位（100111000100101），也就是说，这个符号的表示至少需要2个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。

但是我们知道英文字母只用一个字节表示就够了，如果 Unicode 统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，这对于存储来说是极大的浪费，文本文件的大小会因此大出二三倍。

这该怎么办？

Unicode 解决了翻译，但是没解决传输和存储问题！

于是 UTF-8 来了！

UTF-8 就是在互联网上，是使用最广的一种 Unicode 的 实现方式之一，敲重点，是实现方式，同时是之一。

其他还有 UTF-16，UTF-32 但我们一般不用。

UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

具体咋实现变长的，规则是啥，我这里截一张阮一峰大神的文章里的描述：

图片来自：https://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html

经过这两个牛逼技术的组合，你此刻才能看到屏幕上的文字！

因为我们数据在传输的时候，并不是使用的文字符号，而是被翻译成了 UTF-8 码的方式进行传输的。

那为啥会出现乱码呢？

当 UTF-8 并没大一统的时候，各家的字符集都不一样。

你文档里面的内容使用的是 GB2312 编码 ，但你使用 ASCII编码 去翻译，那肯定就乱码了哇。

不过现在一般还是不太容易出现了，因为各大厂家，各大开发者，都基本默认使用 UTF-8 了。

所以乱码出现的概率就比较小了。