utf-8格式編碼的位元組流，按gbk字符集轉換為字串，會出現亂碼，這很正常。但將其重新轉為位元組流，再用utf-8字符集轉為字串，還是亂碼。這就讓我產生了疑惑，雖然使用錯誤的字符集必然導致亂碼，但位元組的資訊並沒有改變，因此再轉為位元組流，用正確的字符集解碼，應該得到正常的字串。但事實是，被錯誤字符集轉換過的字串，無法恢復到原來的字符集。
造成該問題的根源是位元組發生了變化。gbk或utf-8遇到無法解析的字元時，會使用特殊的字元代替，因此造成原有位元組資訊的丟失，無法恢復。
utf-8 → gbk
對於一串utf-8編碼的位元組流，使用gbk進行解碼。連續兩個大於127的位元組被認為是乙個gbk編碼的字元；若唯讀到乙個大於127的位元組，便發生錯誤，無法解析。此時，用字元'？'代替錯誤位元組，ascii碼是63。
以「樊」字為例，utf-8編碼使用三個位元組表示該字元，位元組碼為[11100110, 10101000, 10001010]（[e6, a8, 8a]）。使用gbk解碼時，讀到第乙個位元組大於127，則取兩個位元組解析為乙個gbk字元。前兩個位元組e6 8a被解析為gbk字元——妯。 第三個位元組無法解析，所以賦值為？，最後的結果是妯?。
可以看出，最後乙個位元組的資訊丟失了，由8a變成3f，即使把結果再轉換為位元組流，也無法用utf-8字符集正確解析了。
gbk → utf-8
對於一串gbk編碼的位元組流，使用utf-8解碼。utf-8對於位元組的格式有嚴格要求，當解析某個字元失敗時，使用'�'（utf-8編碼為ef bf bd）代替。
繼續以「樊」字為例，其gbk位元組碼為[10110111, 10101110]（[b7, ae]）。使用utf-8解碼時，根據規則，要求10開頭的位元組之前，必須有位元組標識乙個字元的長度，所以兩個位元組都無法解析。最後的字串是��。
可以看出，所有的位元組資訊都丟失了，因此無法再使用gbk解析該字串。
注意，utf-8用�替換，是以字元為單位的。例如[11100110, 10101000, 01000001]使用utf-8解碼，得到的結果是�a，而不是��a。根據第乙個位元組的格式，utf-8期望將三個位元組轉換為乙個字元。但最後乙個位元組不符合要求，所以前兩個位元組被乙個�代替。而不是每個位元組都被�代替。
gbk 轉換 utf 8問題
問題一 檔案已經另存為了utf 8碼，但關閉後重新開啟就自動變成了ansi編碼 答 原因是該檔案中沒有包含任何中文字元，如果該檔案有包含中文字元，將檔案另存為utf 8編碼後，中文字元會以3個位元組的寬度來儲存 要看16進製制 這樣，在第二次開啟檔案時，編輯器會自動將檔案識別為utf 8編碼。請仔細...
ANSI與UTF 8編碼轉換
將ansi編碼裝換為utf 8在windows mfc環境下測試下面的 static int ansi2utf8 in const char csrc,out char cdest 以下 將utf 8 轉換為gb2312 intutf8togb2312 const char sourcebuf,si...
UTF 8與GBK字元之間的轉換
1.utf 8轉換為unicode編碼 utf 8編碼不能直接轉換為gbk漢字編碼，中間需要先轉換為unicode編碼，在由unicode編碼轉換為gbk漢字編碼 2.unicode編碼轉換為gbk漢字編碼 unicode漢字編碼與gbk漢字編碼的對照關係為，兩個unicode編碼對應乙個漢字，並且...