解密乱码的前世今生：为什么你看到的不是你想要的？
解密乱码的前世今生：为什么你看到的不是你想要的？
在数字世界中，乱码是个再熟悉不过的现象了。无论是打开一份文档、接收到一封邮件，还是在终端里执行一条命令，突然冒出的“天书”让人一脸问号。那么，乱码到底是如何产生的？我们又该如何应对？
一、什么是乱码？
简单来说，乱码是指文本编码与解码不匹配导致的不可识别字符现象。想象你用中文的规则（比如 GBK）写了一句话，却用英文的规则（比如 ASCII）来解读它，这就像听不懂外语一样，结果自然是一堆“乱七八糟”的字符。
二、乱码的“生成器”——编码与解码的冲突
乱码的根源在于 编码 和 解码 的不一致。
1.编码是什么？
编码是将人类可读的文本转化为计算机能理解的二进制数据的过程。不同的编码规则（如 ASCII、UTF-8、GBK）对字符的处理方式各有不同。
2.解码是什么？
解码是将二进制数据还原为可读文本的过程。如果解码时采用的规则和编码时不一致，就会出现乱码。
三、常见编码格式与它们的“矛盾”
1.ASCII
最早的字符编码标准之一，只支持 128 个字符，主要用于英语。
问题：对于中文等多语言来说，它根本不够用。
2.GBK/GB2312
针对中文设计的编码，支持大量汉字。
问题：与其他编码（如 UTF-8）容易发生冲突。
3.UTF-8
一个通用的编码标准，兼容 ASCII，支持世界上几乎所有语言。
问题：如果软件默认采用 GBK 解码 UTF-8 编码的数据，就会显示乱码。
4.ISO-8859-1
用于欧洲语言的编码，常见于网页。
问题：遇到中文时无法正确显示。
四、乱码是如何产生的？
1.跨系统传输
你从 Windows 系统保存的文件用 UTF-8 编码，却用 Mac 的 GBK 打开，自然会显示乱码。
浏览器编码设置不当
某些老旧网页没有声明编码方式，浏览器只能“猜”。猜错了，乱码就来了。
3.数据库存储
数据库存储乱码问题一直是开发中常见的“坑”，尤其在多语言支持和系统迁移时更容易出现。这类乱码问题通常发生在数据的插入、存储或读取阶段，具体场景包括：
1) 数据库编码设置不一致
数据库的编码配置主要有以下几个层级，任何一个环节不一致都可能导致乱码：
客户端编码
应用程序（如Java、Python等）通过驱动程序与数据库交互时，需要明确指定编码。如果应用程序用UTF-8，但数据库驱动未正确配置，插入的中文数据可能直接变成乱码。
数据库服务器编码
数据库服务器的默认编码必须与应用程序匹配。例如，MySQL中可以用以下命令查看默认编码：
SHOW VARIABLES LIKE 'character_set%';
结果中的character_set_server代表服务器默认编码，character_set_database是当前数据库的默认编码。
表的字符集
每个表的字符集可能不同。如果表是latin1字符集，而插入UTF-8数据，显示时就会变成乱码。可以用以下命令查看表的字符集：
SHOW CREATE TABLE your_table_name;字段的字符集
即使表的字符集正确，某个字段单独设置了不同的字符集，也会导致问题。
2) 数据库迁移导致的乱码
当数据库从一种系统迁移到另一种系统时，可能因导出、导入过程中的编码不一致而出现乱码。比如：
使用mysqldump导出数据时，如果未指定编码：
mysqldump -u user -p database > backup.sql默认情况下会使用数据库的字符集，但导入目标数据库时如果字符集不同，数据可能显示为乱码。
那么我用java简单的演示一下乱码的形成，乱码基本常见的就是四种，我们一一来试一下。
import java.io.UnsupportedEncodingException;
import java.nio.charset.StandardCharsets;
public class Test{
public static void main(String[]args) throws UnsupportedEncodingException {
String field="鸡你实在是太美";
//utf-8存储一下字符
byte[] Basketball = field.getBytes(StandardCharsets.UTF_8);
//utf-8读取
String Chicken=new String(Basketball,StandardCharsets.UTF_8);
System.out.println(Chicken);
//gbk读取
String Sing=new String(Basketball,"GBK");
System.out.println(Sing);
}
}输出：
鸡你实在是太美
楦′綘瀹炲湪鏄お缇�我们看到如果utf-8编码的，用utf-8就能正常读取，但用gbk编码读取就会变成类似古文似的乱码。
下面展示先用utf-8编码，gbk读取后用gbk存，然后再用utf8读取，这时如果字符是偶数个，最后面会出现问号的乱码，偶数则显示正常，这个例子就是奇数的乱码。
import java.io.UnsupportedEncodingException;
import java.nio.charset.StandardCharsets;
public class Test{
public static void main(String[]args) throws UnsupportedEncodingException {
String field="鸡你实在是太美";
//utf-8存储一下字符
byte[] Basketball = field.getBytes(StandardCharsets.UTF_8);
//utf-8读取
String Chicken=new String(Basketball,StandardCharsets.UTF_8);
System.out.println(Chicken);
//gbk读取
String Sing=new String(Basketball,"GBK");
System.out.println(Sing);
//gbk读取后gbk存
byte[] Dance= Sing.getBytes("GBK");
//再utf-8读取
String Rap=new String(Dance,StandardCharsets.UTF_8);
System.out.println(Rap);
}
}输出：
鸡你实在是太美
楦′綘瀹炲湪鏄お缇�
鸡你实在是太�?下面展示先用gbk编码，然后utf-8读取的乱码
import java.io.UnsupportedEncodingException;
import java.nio.charset.StandardCharsets;
public class Test{
public static void main(String[]args) throws UnsupportedEncodingException {
String field="鸡你实在是太美";
//gbk存储一下字符
byte[] Basketball = field.getBytes("GBK");
//utf-8读取
String Chicken=new String(Basketball,StandardCharsets.UTF_8);
System.out.println(Chicken);
}
}输出：
����ʵ����̫��下面展示先用gbk编码，然后utf-8读取，存储，再用gbk读取的乱码
import java.io.UnsupportedEncodingException;
import java.nio.charset.StandardCharsets;
public class Test{
public static void main(String[]args) throws UnsupportedEncodingException {
String field="鸡你实在是太美";
//gbk存储一下字符
byte[] Basketball = field.getBytes("GBK");
//utf-8读取
String Chicken=new String(Basketball,StandardCharsets.UTF_8);
System.out.println(Chicken);
//utf-8读取后utf-8存
byte[] Dance= Chicken.getBytes(StandardCharsets.UTF_8);
//再gbk读取
String Rap=new String(Dance,"GBK");
System.out.println(Rap);
}
}输出：
����ʵ����̫��
锟斤拷锟斤拷实锟斤拷锟斤拷太锟斤拷最后附上一般乱码的对照表，希望大家在排查乱码问题的时候会有所帮助。
腾讯云开发者
