? 为何物?
在前不久石头哥的这篇文章中 —— 你可能也会掉进这个简单的 String 的坑，讲述了因字符编码问题而连续踩坑的经历，文中有一个神奇的字符 “?”。
其实，这个 “?” 真是无处不在，比如大名鼎鼎的微信：
微信中的?
再比如，封面图中，单价22元的“锟斤拷锟斤拷”，再随便百度一把：
随处可见的?
要弄清这个问题，还得先从编码谈起。
因为在计算机的眼里，都是二进制，具体用哪些二进制数字表示哪个符号，这就是编码。不要把编码想象得太复杂，其实就是一个很简单的 mapping。
比如大家所熟知的 ASCII 编码，规定了 二进制的0100 0001，也就是十进制的65，代表的含义就是大写字母 A。
ASCII 编码
? 也是一种编码字符，就跟上面的 A 一样一样的，它是 UNICODE 编码方式中的一个特殊的字符，也就是 0xFFFD(65533)，语义是一个占位符，用来表达这套编码系统中未知的，自己不认识的东西。
比如上篇文章中的实验截图的，红色部分圈出来的对应的字符，UTF-8 编码都不认识，所以按照 UNICODE 的定义，我就只好用统一的一个占位符 —— 0xFFFD(65533) 来表示。
为什么会出现“锟斤拷”?
我们接着上篇的例子来看， 如下图所示，仍然从 “程序猿石头” 对应二进制编码截取部分：
如上图所示，第 18 行的字节数组 new byte[] {-25, -119, -25, -116}，UTF-8 恰好都不认识，因此只能用占位符替换。
??
这种情况，在编码转换过程中确实也比较常见，如果双方没沟通清楚，确实很容易出现互相不认识的情况。
在中文系统中，常见的字符编码是 GBK，这个时候，因为大家没提前商量清楚，我就默认按照 GBK 给你编码看看。
“锟斤拷”在此
惊不惊喜意不意外……
其实是因为，? 用 UTF-8 编码后变成了 0xEFBFBD(就是上面的字节数组 [-17, -65, -67])，两个连起来就是 0xEFBFBDEFBFBD，也就是上面的字节数组[-17, -65, -67, -17, -65, -67]。
而 GBK 编码依然采用双字节编码方案，因此上面的 6 字节 0xEFBFBDEFBFBD，就被拆成了 3 个 2 字节字符即 0xEFBF, 0xBDEF, 0xBFBD 对应 GBK 编码里面就是：锟(0xEFBF)，斤(0xBDEF)，拷(0xBFBD)。
锟斤拷(可向右滑动)
现在，你知道了吗?
留个作业题：开篇的五言绝句，你知道另外的梗是来自哪里吗?
本文转载自网络，原文链接：https://mp.weixin.qq.com/s/Vxjk_0AVHDsNhhWZSZVK4A
相关文章
精彩导读
热门资讯