2021中文乱码(乱码文字复制大全)

在工作中总会不经意间遇到乱码问题，这个时候我通常都会去找文档改编码类型，或者相同的文件更换软件打开，计算机编码方式这方面的内容也在用到中学习然后又忘记，然后又遇到查资料后来又忘记。。。。如此反复，那今天就汇总一下，在遇到就直接来这里找吧。

我们存储在计算机中的数据，计算机在处理和存储过程中都是用0和1表示，而我们常用的数字、字母、文字，存储在计算机中都是0和1，所以这个时候就需要用不同数量的0和1的组合用来表示我们人能够识别的各类字符。计算机的存储单位是位，一个位只能表示一个0或1，我们通常用8位为一个字节。

编码的种类有ASCII编码、GB2312、GBK、GB18030、 UNICODE、 UTF-8 等等

01 ASCII编码

百度百科里是这么讲的“在计算机中，所有的数据在存储和运算时都要使用二进制数表示（因为计算机用高电平和低电平分别表示1和0），例如，像A、B、C、D这样的52个字母（包括大写）以及0、1等数字还有一些常用的符号（例如*、#、@等）在计算机中存储时也要使用二进制数来表示，而具体用哪些二进制数字表示哪个符号，当然每个人都可以约定自己的一套（这就叫编码），而大家如果要想互相通信而不造成混乱，那么大家就必须使用相同的编码规则，于是美国有关的标准化组织就出台了ASCII编码，统一规定了上述常用符号用哪些二进制数来表示 。”

ASCII编码就是用1个字节来存储字符，计算机最初是美国人发明的，他们的符号不多，所以还将8个0和1序列中的第一位固定为0，ASCII只能表示127个字符。

02 GB2312 /GBK/GB18030

GB2312又称为GB2312-80字符集，全称为《信息交换用汉字编码字符集·基本集》，由原中国国家标准总局发布，1981年5月1日实施，是中国国家标准的简体中文字符集。它是用双字节表示的，两个字节中前面的字节为第一字节，后面的字节为第二字节。习惯上称第一字节为“高字节” ，而称第二字节为“低字节”。“高位字节”使用了0XA1-0XF7(把01-87区的区号加上0XA0)，“低位字节”使用了0XA1-0XFE(把01-94加上0XA0)。这种编码方式支持7000多个汉字，它所收录的汉字已经覆盖中国大陆99.75%的使用频率，基本可以满足汉字计算机的需要。

由于GB2312只能表示7000多个汉字，无法满足我大中华的所有汉字，所以在此基础上我们有对其扩展出了GBK，GBK可以支持到2万多的汉字（包括繁体字）和符号，后来又扩展于是有了GB18030 ，可以支持少数民族的文字及符号。

全世界有上百种语言，每个国家都制定了自己的编码字符集，统称为MBCS，全称：MUILTI-BYTES CHARECTER SET，多字节字符集。由于每个国家制定了自己的编码规则字符集，各个国家语言都互不通用，所以国际标准化组织ISO推出了下面的万国码。

03 UNICODE / UTF-8

UNICODE（统一码、万国码、单一码）UNICODE通常用两个字节表示一个字符，原有的英文编码从单字节变成双字节，把高字节全部填为0。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。UNICODE 编码共有三种具体实现，分别为UTF-8,UTF-16,UTF-32，其中UTF-8占用一到四个字节，UTF-16占用二或四个字节，UTF-32占用四个字节。

UNICODE编码解决了编码不能通用的问题，但是却容易浪费内存，尤其是在存储英文的时候，例如一个字符“A”，ASCII编码只需要1个字节就够，但是UNICODE编码必须要用2个字节。为了解决这一问题，就有了UTF-8编码。UTF-8编码把存储英文依旧用一个字节，汉字就3个字节。特别是生僻的编程4-6字节，如果传输大量英文，UTF-8作用就很明显了。

所以在出现乱码问题时：文件是用什么编码方式进行编码的，解码的时候就选择同样的解码方式。