黑马程序员技术交流社区

标题: 大家说说:"联通"的问题 [打印本页]

作者: 李建雄 时间: 2011-10-29 00:51
标题: 大家说说:"联通"的问题
看过视频的兄弟,回答一下这个问题:
新建一个文本文件,输入联通保存,关闭,再打开为什么联通没有了

作者: olkldksl 时间: 2011-10-29 11:15
记事本默认是以ANSI存储的
而记事本打开时是Windows猜测文件二进制编码是什么编码格式，刚好“联”在UTF-8的范围内　所以就以UTF-8格式打开了
只要你保存时把编码从ANSI改为UTF-8就正常了。

作者: 白倩 时间: 2011-10-29 12:02
字符编码格式不同，记事本打开时将"联"猜测成UTF-8的编码，所以转换时就变成了乱码，你修改一下字符编码就可以了！

作者: 绿影 时间: 2011-10-31 18:47
在记事本文件中输入“联通”两个字符或者”a联通”，保存，再次打开时确实乱码。原因就在于“联通”两个字符的GBK（中文系统默认字符编码）二进制格式偶然性的完全编码符合UTF-8的编码规范，在保存后，记事本再次打开检测时认为这是UTF-8字符，解码时自动调用UTF-8进行解码，导致乱码。如果在前面多写几个中文就不会出现这种情况。因为记事本根据前面的字符集判断是GBK的编码。

作者: 杨小鹏 时间: 2011-10-31 20:40
这里涉及到不同编码表的问题，具体来说就是GBK和UTF-8这两个编码表间转换的问题。
通常我们认为一个中文由两个字节组成，这是在GBK编码表。而UTF-8编码表中一个文字由3个字节组成。那么在读取汉字的时候，计算机读到的是我们保存汉字时被计算机转换的二进制数据。/*计算机在保存汉字的时候，会先将汉字转换成二进制保存。windows以GBK为基本汉字编码。*/然后通过编码表转化成汉字。问题就出现在这。
我们先看看两个编码表的读取方式。
GBK编码表是以一定的规则每读取两字节的数据就返回一个汉字，它的规律我们先不看。但我们的计算机中既然存在着多个编码表，那么各个编码表间读取数据的方法就会有一定的区分。
UTF-8编码表中一个汉字由1-3个字节组成，有可能是由一个字节单独表示汉字，也有可能是2个字节表示一个汉字，3个字节也能表示汉字。所以这里面就有区分的方法，UTF-8是通过对二进制数据定义标识头信息来实现的。而这个定义的标识头信息就是产生这个联通问题的原因。
UTF-8的规则如下：
有这样的数据 0101-0100 1101-1010 1001-0100 1110-1110 1001-1010 1001-0100
当二进制数是0开始的时候，这一个字节就表示一个汉字，读到0开头的数据，那么UTF-8就会将这个 0101-0100 当成一个汉字转换成汉字，而不管后面的字节是什么。
当二进制数是110开始而后一个数是以10开始的时候，表示这个字节和下一个字节一起表示一个汉字。如读完 0101-0100后，读到了110开头的数据并且下一个字节是以10开头，那么UTF-8就会将这个字节和下一个字节 1101-1010 1001-0100 一起转换成汉字。
当二进制数是1110开始并且下面两个字节都是以10开头的时候，表示这个字节和下两个字节一起表示一个汉字。。如读完 1101-1010 1001-0100 后，读到了110开头的数据，并且下面两个字节都是以10开头。那么UTF-8就会将这个字节和下两个字节 1110-1110 1001-1010 1001-0100 看成一组转换成汉字。
好，下面进入正题。
通过查GBK的编码表我们可以发现，"联通"这两个字的GBK编码为：
联-->1100-0001 1010-1010
通-->1100-1101 1010-1000
这就是‘联通’特殊的地方，它们的GBK编码同样符合UTF-8的规则。保存联通开头的记事本时，以GBK的编码方法对‘联通’编码，当打开记事本对它解码时，直接就查了UTF-8的编码表，而UTF-8表中又没有这个数据，那么就出现了乱码。避免的方法就是在这两汉字的前面一定要有一个汉字出现。

作者: 史晓霞 时间: 2011-11-2 12:58
汉字有两种最常用的编码方式是gbk和utf-8,联通生成的二进制符合了utf-8的取标记的规则，记事本会按utf-8的编码方式打开，就出现了乱码，在前面写个汉字，就可以正常打开了

欢迎光临黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2