作者 | 石頭哥 責編 | 八寶粥
來源 | 程序猿石頭（id: tangleithu）
以一首五言絕句作為開篇，你知道背後說的是什麼嗎？
手持兩把錕斤拷
口中疾呼燙燙燙
腳踏千朵屯屯屯
笑看萬物鍩鍩鍩
� 為何物？
在前不久石頭哥的這篇文章中 —— 你可能也會掉進這個簡單的 String 的坑，講述了因字符編碼問題而連續踩坑的經歷，文中有一個神奇的字符 “�”。
其實，這個 “�” 真是無處不在，比如大名鼎鼎的微信：
微信中的�
再比如，封面圖中，單價22元的“錕斤拷錕斤拷”，再隨便百度一把：
隨處可見的�
要弄清這個問題，還得先從編碼談起。
因為在計算機的眼裡，都是二進制，具體用哪些二進制數字表示哪個符號，這就是編碼。不要把編碼想象得太複雜，其實就是一個很簡單的 mapping。
比如大家所熟知的 ASCII 編碼，規定了 二進制的0100 0001，也就是十進制的65，代表的含義就是大寫字母 A。
ASCII 編碼
� 也是一種編碼字符，就跟上面的 A 一樣一樣的，它是 UNICODE 編碼方式中的一個特殊的字符，也就是 0xFFFD(65533)，語義是一個佔位符，用來表達這套編碼系統中未知的，自己不認識的東西。
比如上篇文章中的實驗截圖的，紅色部分圈出來的對應的字符，UTF-8 編碼都不認識，所以按照 UNICODE 的定義，我就只好用統一的一個佔位符 —— 0xFFFD(65533) 來表示。
為什麼會出現“錕斤拷”？
我們接著上篇的例子來看， 如下圖所示，仍然從 “程序猿石頭” 對應二進制編碼截取部分：
如上圖所示，第 18 行的字節數組 new byte[] {-25, -119, -25, -116}，UTF-8 恰好都不認識，因此只能用佔位符替換。
��
這種情況，在編碼轉換過程中確實也比較常見，如果雙方沒溝通清楚，確實很容易出現互相不認識的情況。
在中文系統中，常見的字符編碼是 GBK，這個時候，因為大家沒提前商量清楚，我就默認按照 GBK 給你編碼看看。
“錕斤拷”在此
驚不驚喜意不意外……
其實是因為，� 用 UTF-8 編碼後變成了 0xEFBFBD（就是上面的字節數組 [-17, -65, -67]），兩個連起來就是 0xEFBFBDEFBFBD，也就是上面的字節數組[-17, -65, -67, -17, -65, -67]。
而 GBK 編碼依然採用雙字節編碼方案，因此上面的 6 字節 0xEFBFBDEFBFBD，就被拆成了 3 個 2 字節字符即 0xEFBF, 0xBDEF, 0xBFBD 對應 GBK 編碼裡面就是：錕（0xEFBF），斤（0xBDEF），拷（0xBFBD）。
錕斤拷（可向右滑動）
現在，你知道了嗎？
留個作業題：開篇的五言絕句，你知道另外的梗是來自哪裡嗎？歡迎留言討論。
轉載請超鏈接註明：頭條資訊 » 1 分鐘帶你認識從 “�”到“錕斤拷”
免責聲明
：非本網註明原創的信息，皆為程序自動獲取互聯網，目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責；如此頁面有侵犯到您的權益，請給站長發送郵件，並提供相關證明(版權證明、身份證正反面、侵權鏈接)，站長將在收到郵件24小時內刪除。