中文乱码问题在我们日常开发中司空见惯，那么乱码问题是如何产生的呢？又怎样去解决乱码问题呢？本文将结合基本概念和例子展开阐述，希望大家有收获。
(1)、GBK包含全部中文字符； (2)、 UTF-8则包含全世界所有国家需要用到的字符。 (3)、utf8mb4专门用来兼容四字节的unicode。utf8mb4是utf8的超集，除了将编码改为utf8mb4外不需要做其他转换。
最开始计算机只在美国用，八位的字节可以组合出256种不同状态。0-32种状态规定了特殊用途,一旦终端、打印机遇上约定好的这些字节被传过来时，就要做一些约定的动作，如：
看到题目,你也许会说,“又是这种月经帖,这问题我早弄清楚了”. 但如果有人问你,“Unicode,GBK和UTF-8有什么区别?”, 你能自信地给他一句简短清晰的回答吗? 如果不能的话, 那还是看一下
字符是各种文字和符号的集合，包括了各个国家的文字，标点符号，表情，数字等。 字符集就是一系列字符的集合。字符集的种类比较多，每个字符集可以表示的字符范围通常不同，就比如说有些字符集是无法表示汉字的。
MySQL 字符编码集中有两套 UTF-8 编码实现：utf8 和 utf8mb4。
================================================起================================================
经过半天的折腾，终于搞清楚了来龙去脉，这里简单给大家分享下。为了方便说明，我将测试例子中的表和语句简化，但不影响问题重现。
作者 | 天士梦 来源 | https://www.cnblogs.com/cchust/p/4601536.html 问题背景 有同事反馈在mysql上面执行一条普通的insert语句，结果报错， execute failed due to >>> Incorrect string value: '\xA1;offl...' for column 'biz_info' at row 1 经过半天的折腾，终于搞清楚了来龙去脉，这里简单给大家分享下。为了方便说明，我将测试例子中的表和语句简化，但不影响问题重
之前出现过一些因为mysql编码使用不正确，导致出现页面乱码的bug，比如utf8不支持Emoji表情等等。这里对乱码问题做下分析，沉淀下来避免再次出现
快下班时，爱问问题的小朋友Nico又问了一个问题： "sqlserver里面有char和nchar，那个n据说是指unicode的数据，这个是什么意思。" 并不是所有简单的问题都很容易回答，就像这个问题一样。于是我答应专门写一篇BLOG来从头讲讲编码的故事。那么就让我们找个草堆坐下，先抽口烟，看看夜晚天空上的银河，然后想一想要从哪里开始讲起。嗯，也许这样开始比较好……
这就是为什么我们在浏览器的地址栏中能看到中文，但是把地址拷贝出来后中文就变成了一些奇怪的串了。
写 JS 代码的同学们不知道有没有注意过，后台接口通过 JSON 处理汉字字符、emoji 时，返回的是像 \u00ff 这样转义处理的字符，而不是它们的明文原文。这是为什么呢？
我就纳闷儿了，我就做个测试，你错误就错误呗，你倒是跟我说这个逻辑行不行得通啊，我才不想管你是不是解不了码。
大家都知道，不同字符编码，其在内存占用的字节数不一样。如 ASCII编码字符占用1个字节,UTF-8编码的中文字符是3字节,GBK为2个字节。
大家好，又见面了，我是你们的朋友全栈君。 字符乱码的事，估计大家都遇到过，很烦，什么utf-8、GBK、GB2312转来转去，不知道什么时候才能转正常。我们做个试验，如果你是windows系统，打开记事本，新建一个文件，输入”联通”两个字之后，保存，关闭，然后再次打开，出现了什么现象？乱码！那你赶紧去找IT吧，你中招了！开玩笑的，这是著名的“windows联通之谜事件”。继续往下看，后面会有谜底的解释。那么我们就讨论下字符编码哪些事吧，首先我们看几个真实遇到的乱码的故障实例。
最近使用到java中的Properties来获取一些变量信息，但如果变量值中有中文，那么最终录入到内存中的字符将会变乱码，那么是什么原因使得中文变成乱码呢？
字符是人们常用的一些记号，比如”1”, “汉”, “お”,”℃”等等，包括各种语系的语言和一些符号都可以被称为字符。 字节是计算机存储数据的存储单元，是一个8位的二进制数，所以最多只能表示256个数字（0-255）。 编码是大家对计算机如何使用字节来表示一个字符的约定，可分为ASCII编码，ANSI编码（本地化编码），UNICODE编码（国际化编码）三种。
用途：用来映射简单的单字节字符，比如大小写英文字母、阿拉伯数字、常用的标点符、运算符、控制字符等。
字符是人们常用的一些记号，比如”1”, “汉”, “お”,”℃”等等，包括各种语系的语言和一些符号都可以被称为字符。 字节是计算机存储数据的存储单元，是一个8位的二进制数，所以最多只能表示256个数字（0-255）。 编码是大家对计算机如何使用字节来表示一个字符的约定，可分为ASCII编码，ANSI编码（本地化编码），UNICODE编码（国际化编码）三种。 1.ASCII编码：单字节编码。 最初的编码，由一个字节组成，因此只能表示256个字符，但只表示0-9，a-z，A-Z，和一些加减乘除百分号，够老美用了
我们都知道在计算机内部，所有的数据在存储和运算的时候都应该使用二进制进行表示。例如字母，数字等等。通过二进制进行表示，我们可以指定很多规则来表示这些字符，为了避免不一致性，美国国家标准学会(American National Standard Institute , ANSI )制定了 ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）编码。
真空管时代的计算机尽管已经步入了现代计算机的范畴，但其体积之大、能耗之高、故障之多、价格之贵大大制约了它的普及应用。直到1947年，由Bell实验室的William B. Shockley、 John Bardeen和Walter H. Brattain.发明了晶体管，开辟了电子时代新纪元，电子计算机也找到了腾飞的起点，一发而不可收……
这些原始数据是存储在buffer类的实例中，一个buffer类就相当于是一个整数数组，他相当于是划出了一块自己的内存空间。
Java采用unicode来表示字符，java中的一个char是2个字节，一个中文或英文字符的unicode编码都占2个字节，但如果采用其他编码方式，一个字符占用的字节数则各不相同。
带你了解ASCII，Latin1，ANSI，Unicode，UCS-2，UCS-4，UTF-8，UTF-16，UTF-32，GB2312，GB13000，GBK，GB18030，BIG5，BMP，Code Page，BOM，MBCS，Little Endian，Big Endian，内码，外码。
关于编码问题前面一共整理4篇博客，这是终篇。我使用MySQL时经常会遇到乱码问题，尤其是涉及到中文和emoji表情符号时，然而当我查询资料时发现大多数资料几乎雷同，寥寥几句仅贴了几个参数的定义，并没有案例来详细说明，因此我利用几个周末时间整理出这个编码系列博客，希望能对和我同样深受编码困扰的人提供些帮助，当然能力有限，里面很多观点是我根据各种资料的推测，并没有在相关文档中找到确切的描述佐证，可能有理解偏颇之处。
很久很久以前，有一群人，他们决定用8个可以开合的晶体管来组合成不同的状态，以表示世界上的万物。他们看到8个开关状态是好的，于是他们把这称为"字节"。 再后来，他们又做了一些可以处理这些字节的机器，机器开动了，可以用字节来组合出很多状态，状态开始变来变去。他们看到这样是好的，于是它们就这机器称为"计算机"。 开始计算机只在美国用。八位的字节一共可以组合出256(2的8次方)种不同的状态。 他们把其中的编号从0开始的32种状态分别规定了特殊的用途，一但终端、打印机遇上约定好的这些字节被传过来时，就要做一些约定的动作。遇上00x10，终端就换行，遇上0x07，终端就向人们嘟嘟叫，例如遇上0x1b，打印机就打印反白的字，或者终端就用彩色显示字母。他们看到这样很好，于是就把这些0x20以下的字节状态称为"控制码"。 他们又把所有的空格、标点符号、数字、大小写字母分别用连续的字节状态表示，一直编到了第127号，这样计算机就可以用不同字节来存储英语的文字了。大家看到这样，都感觉很好，于是大家都把这个方案叫做 ANSI 的"ASCII"编码（American Standard Code for Information Interchange，美国信息互换标准代码）。当时世界上所有的计算机都用同样的ASCII方案来保存英文文字。 后来，就像建造巴比伦塔一样，世界各地的都开始使用计算机，但是很多国家用的不是英文，他们的字母里有许多是ASCII里没有的，为了可以在计算机保存他们的文字，他们决定采用127号之后的空位来表示这些新的字母、符号，还加入了很多画表格时需要用下到的横线、竖线、交叉等形状，一直把序号编到了最后一个状态255。从128到255这一页的字符集被称"扩展字符集"。从此之后，贪婪的人类再没有新的状态可以用了，美帝国主义可能没有想到还有第三世界国家的人们也希望可以用到计算机吧！ 等中国人们得到计算机时，已经没有可以利用的字节状态来表示汉字，况且有6000多个常用汉字需要保存呢。但是这难不倒智慧的中国人民，我们不客气地把那些127号之后的奇异符号们直接取消掉，规定：一个小于127的字符的意义与原来相同，但两个大于127的字符连在一起时，就表示一个汉字，前面的一个字节（他称之为高字节）从0xA1用到0xF7，后面一个字节（低字节）从0xA1到0xFE，这样我们就可以组合出大约7000多个简体汉字了。在这些编码里，我们还把数学符号、罗马希腊的字母、日文的假名们都编进去了，连在 ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的"全角"字符，而原来在127号以下的那些就叫"半角"字符了。 中国人民看到这样很不错，于是就把这种汉字方案叫做 "GB2312"。GB2312 是对 ASCII 的中文扩展。 但是中国的汉字太多了，我们很快就就发现有许多人的人名没有办法在这里打出来，特别是某些很会麻烦别人的国家领导人。于是我们不得不继续把 GB2312 没有用到的码位找出来老实不客气地用上。 后来还是不够用，于是干脆不再要求低字节一定是127号之后的内码，只要第一个字节是大于127就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容。结果扩展之后的编码方案被称为 GBK 标准，GBK 包括了 GB2312 的所有内容，同时又增加了近20000个新的汉字（包括繁体字）和符号。 后来少数民族也要用电脑了，于是我们再扩展，又加了几千个新的少数民族的字，GBK 扩成了 GB18030。从此之后，中华民族的文化就可以在计算机时代中传承了。 中国的程序员们看到这一系列汉字编码的标准是好的，于是通称他们叫做 "DBCS"（Double Byte Charecter Set 双字节字符集）。在DBCS系列标准里，最大的特点是两字节长的汉字字符和一字节长的英文字符并存于同一套编码方案里，因此他们写的程序为了支持中文处理，必须要注意字串里的每一个字节的值，如果这个值是大于127的，那么就认为一个双字节字符集里的字符出现了。那时候凡是受过加持，会编程的计算机僧侣们都要每天念下面这个咒语数百遍： "一个汉字算两个英文字符！一个汉字算两个英文字符......" 因为当时各个国家都像中国这样搞出一套自己的编码标准，结果互相之间谁也不懂谁的编码，谁也不支持别人的编码，连大陆和台湾这样只相隔了150海里，使用着同一种语言的兄弟地区，也分别采用了不同的 DBCS 编码方案——当时的中国人想让电脑显示汉字，就必须装上一个"汉字系统"，专门用来处理汉字的显示、输入的问题，但是那个台湾的愚昧封建人士写的算命程序就必须加装另一套支持 BIG5 编码的什么"倚天汉字系统"才可以用，装错了字符系统，显示就会乱了套！这怎么办？而且世界民族之林中还有那些一时用不上电脑的穷苦人民，他们的文字又怎么办？ 真是计算机的巴比伦塔命
ASCII,ISO-8859-1,GB2312,GNBK,UTF-8,UTF-16等
原作者：阮一峰(ruanyifeng.com），现重新整理发布，感谢原作者的无私分享。
var_dump($obj->j); //null var_dump(isset($obj->j));//由于$j没有赋值，为空null，所以返回false //var_dump($obj->properties); var_dump(isset($obj->name));//私有或者保护属性不能被调用，false //output:bool(false)，你的答案对了吗？为什么
| 导语 本文主要介绍了业务中常见的ASCII、GB2312、GBK、GB18030、UTF8、ANSI、Latin1中文编码。如果你在业务中也曾经被乱码搞晕过，不妨我们一起探究一下。 PS：文末有今天儿童节粉丝福利活动哦！ 最近我的业务中涉及到了包含中文文本的内容解析。业务场景是用户上传一个包含中文的文本文件，我们需要根据约定好的字段格式解析该文本，并将内容导入到数据库中。但用户所传上来的文件中文编码经常会不一样，于是我们的数据库中经常会有乱码出现。为了解决该问题，就有了这篇文章…… 1、字符编码要做
还有这个师傅的 《记一次拿webshell踩过的坑(如何用PHP编写一个不包含数字和字母的后门)》
Unicode 也叫万国码、单一码，是计算机科学领域里的一项业界标准，包括字符集、编码方案等。对于世界上所有的语言文字在 unicode 中都可以查看到。
不知道大家有没有想过一个问题，那就是为什么要编码？我们能不能不编码？要回答这个问题必须要回到计算机是如何表示我们人类能够理解的符号的，这些符号也就是我们人类使用的语言。由于人类的语言有太多，因而表示这些语言的符号太多，无法用计算机中一个基本的存储单元—— byte 来表示，因而必须要经过拆分或一些翻译工作，才能让计算机能理解。我们可以把计算机能够理解的语言假定为英语，其它语言要能够在计算机中使用必须经过一次翻译，把它翻译成英语。这个翻译的过程就是编码。所以可以想象只要不是说英语的国家要能够使用计算机就必须要经过编码。这看起来有些霸道，但是这就是现状，这也和我们国家现在在大力推广汉语一样，希望其它国家都会说汉语，以后其它的语言都翻译成汉语，我们可以把计算机中存储信息的最小单位改成汉字，这样我们就不存在编码问题了。
编码问题一直困扰着开发人员，尤其在 Java 中更加明显，因为 Java 是跨平台语言，不同平台之间编码之间的切换较多。本文将向你详细介绍 Java 中编码问题出现的根本原因，你将了解到：Java 中经常遇到的几种编码格式的区别；Java 中经常需要编码的场景；出现中文问题的原因分析；在开发 Java web 程序时可能会存在编码的几个地方，一个 HTTP 请求怎么控制编码格式？如何避免出现中文问题？
=============很久以前保存的，别人写的但是很明了=============
大家好，又见面了，我是你们的朋友全栈君。 Python有关Unicode UTF-8 GBK编码问题详解 1.统一码（Unicode） Unicode也叫万国码、单一码，是计算机科学领域里的一项业界
如果你第一次认识buffer，你可能会很陌生，因为在前端的JavaScript中并没有buffer，因为前端只要做一些字符串操作或DOM基本操作就能满足业务需求。
字节（Byte /bait/ n. [C]）是计算机信息技术用于计量存储容量的一种计量单位，也表示一些计算机编程语言中的数据类型和语言字符。
American Standard Code for Information Interchange。最早最通用的单字节编码系统，因为发明时间早，所以ASCII编码表的设计较为简单。
Post@https://ryan-miao.github.io 测试代码https://github.com/Ryan-Miao/someTest/commit/50241e50d4b6ecdb8820e58f4cb9628bfb7d77ec 背景 还是多语言, 在项目中遇到本地环境和服务端环境不一致乱码的情形。因此需要搞清楚乱码产生的过程，来分析原因。 获取多语言代码如下： private Map<String, String> getLocalizationContent(Locale locale
好了，有个字符集为UTF8MB4的表中想存储各类不同字符集的文本，有哪些注意事项亿避免乱码？
通过上一节可知，Python6个序列的内置类型中，最常见的是列表和元组,但在Python中，最常用的数据类型却不是列表和元组，而是字符串。要想深入了解字符串，必须先掌握字符编码问题。因此本篇博文将讲解Python字符编码问题和Python字符串的具体方法！
今天中午，我突然想搞清楚 Unicode 和 UTF-8 之间的关系，就开始查资料。
我在“UTF8字符集的表怎么直接转UTF8MB4”一文中介绍了如何把表字符集由UTF8直接转换成UTF8MB4的几种方法。
导语 | 每个程序员都应该了解一下字符编码，有了基础概念之后我们对编程语言、字符处理能有更深入的理解。本文我花了大量时间进行资料查阅和考证，希望能够给大家带来一些帮助，多多交流！ 一、起因 最近在研究Babel的源码，在看到Acorn词法解析源码中有这样一段逻辑： pp.fullCharCodeAtPos = function() { let code = this.input.charCodeAt(this.pos) if (code <= 0xd7ff || code >= 0xdc00
一、编码是什么 编码为了某种目的把信息从一种形式集合转换为另一种形式集合的过程，古时的鸣金收兵，从某种意义上讲也是一种编码，将帅发出了退兵的命令，为了让更多的人能够知道这个命令，传令兵把这个信息转换为了锣声，传递了出去 与编码相对的还有解码，解码是根据某种规则将信息恢复到原状的过程，士兵之前都接收过训练，在听到锣声之后，明白到锣声代表退兵，便开始执行这一命令。 旗语，电报中的莫斯电码等等，这些东西里面也包含了编码 二、关于字符集和字符编码 因为计算机中的信息都是用二进制数表示的，所以我们必须将汉字、英文按照
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
