跟著510208(企鵝哥)學電腦

不知道各位會不會遇到"錕斤拷�⊠"，傳說中了中文亂碼

電腦顯示文字，就是以下三項所形成的金三角：字元、字元集及字元編碼：

1. 字元：
   字元，就是你現在在生活中看到的所有文字：abcdefghijklmn...、ㄅㄆㄇㄈㄉㄊㄋㄌㄍㄎㄏㄐㄑㄒ...、1234567890...，這些都屬於字元，簡單說就是文字。但電腦...一個也看不懂()
2. 字元集：
   字元集，把一堆字元編成電腦看得懂的表格，94字元集
3. 字元編碼：
   各種字元集...

想像一下，如果世上只有"企"、"鵝"、"哥"、"。"的話，我們把它編成以下表格：

好，依照上面的表格告訴我：00 01 10 11代表甚麼？A:企鵝哥。(反白)

在現實世界中，電腦的一個字為1Bytes(8Bit)，8Bit×一個Bit有0和1兩種形式=>2×2×2×2×2×2×2×2=256

所以一個字元最多可以表示256種文字，聽起來很少？對於發明電腦的老外們：不！

所以老美(USA)在60年代搞出了ASCII(American Standard Code for Information Interchange，美國標準資訊交換碼)這個字元集：

如上圖，A=65=1000001，事情都很簡單，但是統一這件事你以為簡單，但...P啦！自己開估狗翻譯你會看到，光估狗就收錄了快100多種語言，那如何編碼？

英文一共用一用128個字元將將好，另外一半...就給西歐搞出了所謂EASCII(Extended ASCII，延伸美國標準資訊交換碼)，西班牙語的注音、法語字母、數學特殊符號...各國都有自己的EASCII，最終被老外弄出了快200種EASCII，舉例來說，10001110在Windows1250 EASCII代表、1251 EASCII代表。這時亞州的台灣、中華民國大陸淪陷區、老日都還在喝喝茶聊聊天打打仗，一副事不關己的模樣(也真是如此啦XD)。

接下來中、日、韓等國家碰到電腦，事情比剛剛那檔事更慘：漢字，這東西的數量，那可真是太多了...

256個字元和數以萬計的字元組成的漢字，哪夠用啊！！！ 所以我們使用兩個Byte來編碼，共有65536個字元可供編碼，半形逗號：0010 1100、全形逗號1111 1111 0000 1100，但是這六萬個仍然不夠總數十萬多個字的漢字用，造成有些人名字打不出來只好改名、也造就了⊠⊠⊠⊠⊠⊠⊠⊠⊠⊠的字元的誕生。但是改版後還是會有問題：，人名的字體顯得格格不入，那你說我名字怎麼辦？你的字體只要不包含在字元集GB2312(剛剛講的第一個字元集，中華民國大陸淪陷區首當其衝做出了這個東西)，電腦被搞得不耐煩，微軟只好編寫出GBK(漢字內碼擴展規範，簡稱GBK)來應急。

人類，終究被逼急了。

面臨二選一：全部砍掉重練還是統一？理所當然，砍掉重練太極端了，所以只好全部統一；於是，人類文字編碼界的巴別塔：UNICODE(不是UNESCO)，就此誕生。

萬國碼野心很大，一上任就收服25種語言，包括GBK的一堆東西。於是萬國碼改用"書寫系統"為標準，英語、德語、西班牙、法語等語言，都屬於同一套書寫系統：拉丁字母。拉丁字母、西里爾字母和希臘字母的O，幾乎一樣，但是因為上面提到的200多種字元編碼，於是這三個O全部給它對應位置，至於簡體字、繁體字、日本、朝鮮漢字等，全部歸類在"中日韓統一表意文字，CJK United Ideograph"，大同小異的東西，萬國碼統一給他一個碼位，願望是好的，但坑也挖了不少的。

apple.com，看上去是蘋果官網，但這個a卻是西里爾字母的a，釣魚網站Maker成功！

還沒完，你現在的每一種文字都是一種編碼方式，但萬國碼卻有一堆編碼方式，所以記事本才會有一堆編碼方式給你選：

如圖，同一串二進位在UTF-8和GBK編碼中，意義不同，因而出現了"錕斤拷"

錯誤的編碼打開文本=>亂碼

還記得GBK嗎？它和Unicode碰撞就形成了錕斤拷

你現在打了一篇txt檔，用GBK出來傳給別人，她用UTF-8打開，就形成了：

記事本懵了？這到底是尛？於是記事本在她不認識的文字變出了��������。她(朋友)也懵了，改發給她室友，用UTF-8存，存完交給室友。保存的那一瞬間，�備用UTF-8編成0xEF BF BD。這位雖鬼朋友打開，她用GBK開，有兩個�相連就會變出EFBF BDEF EFBD=錕斤拷，滿滿的錕斤拷就此誕生：

，兩個問號變一個錕斤拷，滿滿問號就變成...()

早期的系統：ANSI、GBK、UTF-8，而Word就會問你，猜猜看哪一種才是正確編碼？

結束，文章參考資料：