兩個錕斤拷？

以一首七言絕句作為開篇：

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

在上次石頭哥發的這篇文章中 —— 你可能也會掉進這個簡單的 string 的坑，講述了因字元編碼問題而連續踩坑的經歷，文中有乙個神奇的字元「�」。

要弄清這個問題，還得先從編碼談起。

比如大家所熟知的 ascii 編碼，規定了

二進位制的0100 0001，也就是十進位制的65，代表的含義就是大寫字母a。

�也是一種編碼字元，就跟上面的a一樣一樣的，它是 unicode 編碼方式中的乙個特殊的字元，也就是 0xfffd(65533)，語義是乙個佔位符(replacement character)，用來表達未知的，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元，utf-8 編碼都不認識，所以按照 unicode 的定義，我就只好用統一的乙個佔位符 ——0xfffd(65533)來表示。

我們接著上篇的例子來看，如下圖所示，仍然從「程式猿石頭」對應二進位制編碼擷取部分：

如上圖所示，第 18 行的位元組陣列new byte，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，常見的字元編碼是 gbk，這個時候，因為大家沒提前商量清楚，我就預設按照 gbk 給你編碼看看。

驚不驚喜意不意外……

其實是因為，�用utf-8編碼後變成了0xefbfbd（就是上面的位元組陣列[-17, -65, -67]），兩個連起來就是0xefbfbdefbfbd，也就是上面的位元組陣列[-17, -65, -67, -17, -65, -67]。

而 gbk 編碼依然採用雙位元組編碼方案，因此上面的 6 位元組0xefbfbdefbfbd，就被拆成了 3 個 2 位元組字元即0xefbf, 0xbdef, 0xbfbd對應 gbk 編碼裡面就是：錕（0xefbf），斤（0xbdef），拷（0xbfbd）

,現在，你知道了嗎？

最近看到乙份來自阿里巴巴開源的學習資料，涵蓋了大前端、客戶端、服務端、演算法等多個技術領域，全書內容⻚數1600+，現在分享給大家。點選原文獲取。

兩個 錕斤拷 ？