程序中遇到乱码怎么办？这里有篇乱码恢复指北_windows-1252是gbk还是utf-8编码

什么编码？

这里我们讨论最常见的几个： Windows-1252 （CP-1252）、 GBK （以及 GB2312。GBK 范围稍大且兼容 GB2312，故取此）、 Big5 （大五码，常用于繁体中文）、 Shift-JIS （常用于日文）。

当然还有遍地开花的 UTF-8 。

长什么样？

以下列举出各种编码的特征。不同编码服务于不同的文字类型，因此其字符表中的内容也不同，乱码的特征也不同。幸运的是，（半角）英文字符和数字通常不受影响，它们在这些编码中转换的时候不会出现问题。

Windows-1252

Windows-1252 大概是最好区分的。它是拉丁字母的编码，所以被以 Windows-1252 解码的结果是没有汉字的。只有以下内容：

（图源： Wikimedia Commons ）

另外，它与 ISO 8859-1 非常相似，也常有人把 Windows-1252 当作 ISO 8859-1 宣告。 WHATWG 的标准中是要求把以 ISO 8859-1 宣告的文本当作 Windows-1252 编码来解析的。

举几个乱码的例子：

巡音ルカ (GBK) -> Ñ²Òô¥ë¥« (Windows-1252)
巡音ルカ (UTF-8) -> å·¡éŸ³ãƒ«ã‚« (Windows-1252)

GBK 和 Big5

这两种编码的结果比较像。因为其中编码的多是汉字，所以其它编码的字符以它们解码得到的常是「汉字的集合（非常用汉字占绝大部分）」（UTF-8 -> GBK、UTF-8 -> Big5 或 GBK <-> Big5），或是一堆不可识别字符和 tofu（方块）。例如：

我能吞下玻璃而不伤身体。 (GBK) -> 扂夔迒狟產薛奧祥夼旯极﹝ (Big5)
我能吞下玻璃而不傷身體。 (Big5) -> и唰]U良τぃ端ō砰C (GBK, errors='ignore' )
- （这里使用了繁体的原因是「伤」字在 Big5 中无编码。）
我能吞下玻璃而不伤身体。 (UTF-8) -> 鎴戣兘鍚炰笅鐜荤拑鑰屼笉浼よ韩浣撱 (GBK, errors='ignore' )
我能吞下玻璃而不伤身体。 (UTF-8) -> 賢銝餌銝隡方澈雿 (Big-5, errors='ignore' )

（这句话的来源，参见这里。）

顺便也用ルカ测试一下：

巡音ルカ (Shift-JIS) -> 弰壒儖僇 (GBK)
巡音ルカ (Shift-JIS) -> J (Big5, errors='ignore' )
- （可见的严重信息损失）

Shift-JIS

刚才说过了，这是给日文用的编码。因此，被以 Shift-JIS 解码的结果自然是日文居多，更明显的特征是有相当多的半长文字。英文同样不受影响。

举几个乱码的例子：

巡音ルカ (GBK) -> 蟾｡髻ｳ繝ｫ繧ｫ (Shift-JIS)
巡音ルカ (UTF-8) -> ﾑｲﾒ･･ｫ (Shift-JIS, errors='ignore' )
巡音ルカ (BIG5) -> ｨｵｭｵﾇ･ﾇC (Shift-JIS)

UTF-8

UTF-8 由于其目标远大（说白了，什么字都有，再带上 emoji），所以以其解码的结果中什么都有可能出现，无论是汉字、日文，还是符号。甚至有时候可以幸运地凑出组合字符。

袩褉懈胁械虂褌 (GBK) -> Приве́т (UTF-8)
啶ㄠぎ啶膏嵿い啷 (GBK) -> नमसत (UTF-8, errors='ignore' )

如何在各种编码中转换？

最方便的方案是用类似这样的网站（或者 r12a 的编码转换工具，感谢 RainSlide 推荐）。如果没有的话，Python 也行。

转换编码，可以这么做（ Python 3 环境）：

"以 ENCODING_A 编码的字符串".encode('ENCODING_A').decode('ENCODING_B')
python 
Python 3 会把原来的字符串以 ENCODING_A 编码，转换至 Unicode 字符集的 byte，再以 ENCODING_B 解码。如果编码或解码出问题的话（例如码表里没有这个字符），会报 UnicodeEncodeError 或 UnicodeDecodeError。如果想忽略错误的话，在相应的地方加入参数 errors='ignore' 即可，像是： 
"以 ENCODING_1 编码的字符串".encode('ENCODING_A', errors='ignore').decode('ENCODING_B', errors='ignore') # 暴力编码+解码
python 
而如果要解码二进制字符串，可以这么做： 
b'\xaa\xbb\xcc'.decode('ENCODING')
python 
那么锟斤拷、烫烫烫、屯屯屯和锘锘锘呢？ 
In a nutshell: 「锟斤拷」是连续的 UTF-8 容错字符以 GBK 解码的结果。 
b'\xef\xbf\xbd\xef\xbf\xbd'.decode('gbk') # -> '锟斤拷'
python 
「烫烫烫」和「屯屯屯」是 MSVC 填充未初始化内存的字节以 GBK 解码的结果。 
b'\xcd\xcd\xcd\xcd\xcd\xcd'.decode('gbk') # -> '屯屯屯'
b'\xcc\xcc\xcc\xcc\xcc\xcc'.decode('gbk') # -> '烫烫烫'
python 
「锘锘锘」则是 UTF-8 BOM 以 GBK 解码的结果。 
b'\xef\xbb'.decode('gbk') # -> '锘'
python 
（怎么都特么是 GBK 的锅） 
参考来源： 
https://www.zhihu.com/question/23024782
https://blog.csdn.net/bat67/article/details/76730413 
所以…为什么水了这篇文？ 
下载的一些 VOCALOID 歌曲（其中不小的一部分来自网易云）的元数据标签是 GBK 编码的，Rhythmbox（以及 Lollypop 还有 kid）会以 Windows-1252 来解码，于是播放列表的显示就爆炸了。 
反正我是真切地记住了 ³õÒô¥ß¥¯ (Windows-1252) => 初音ミク (GBK)。看这乱码，多整齐啊。 
附注：常见编解码错误表 
名称 举例 特点 产生原因
「古文码」 鎴戣兘鍚炰笅鐜荤拑鑰屼笉浼よ韩浣撱 大部分为不认识的古文，夹杂日韩文 以 GBK 方式读取 UTF-8 编码的中文
这个在上文中提到过。被误以 GBK 和 Big-5 解码经常会得到看起来像中日韩文字的结果。运气好的时候能全部或大部分恢复。
「口字码」 ��������������� 大部分字符为方块 以 UTF-8 的方式读取 GBK 编码的中文
这个方块是对不能显示的字符的替换符号，码位是 0xFFFD。通常来说内容是不能恢复的了。
「符号码」 å·¡éŸ³ãƒ«ã‚« 大部分字符为符号 以 ISO8859-1 方式读取 UTF-8 编码的中文
（见下条。）
「拼音码」 Ñ²Òô¥ë¥« 大部分字符为头顶带有各种声调符号的字母 以 ISO8859-1 方式读取 GBK 编码的中文
上两条指的就是上文中提到的 Windows-1252 的例子。因为多是可见符号，显示上也没什么问题，所以很多时候可以完全恢复。
「问句码」 我能吞下玻璃而不伤身?? 字符串长度为偶数时正确，字符串长度为奇数时最后的字符变为问号 以 GBK 方式读取 UTF-8 编码的中文（然后保存），然后又用 UTF-8 格式再次读取
由于编码特性问题，用 GBK 保存 UTF-8 文档可能会有内容损失。至于那俩问号...只是问号而已，最后的一个字是找不回来的。
「锟拷码」 锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷 全中文字符，且大部分字符为「锟斤拷」这几个字符 以 UTF-8 方式读取 GBK 编码的中文，然后又用 GBK 格式再次读取
这个在上文也提到过。显然在这种案例下，内容是不可恢复的了。 
其实，其实，这里最优雅的方案应是 Musicbrainz Picard（或类似产品）。
                                    <br />    今天练习孙鑫老师MFC视频中第五章的文本编辑程序时遇到了一个很令人蛋疼的问题，就是Unicode版本的问题，会出现乱码，大家都知道中文是2个字节的，如果按照非Unicode字符处理，就会出现乱码，试了半天，终于解决，现在把我遇到的问题以及解决方法整理一下：（以孙鑫老师视频中例子为例）大家也可以创建SDK工程，关键是掌握方法。<br /> <br />    1。先新建一个工程<br />    2。然后按照视频写好代码，当输入英文时，一切好好的，我想输入中文试试，问题来了，这时按下退格键
                                    作为一名程序员，我不得不说，字符乱码是我们经常遇到的一个令人头疼的问题。它不仅会影响我们的工作效率，还可能导致重要信息的丢失。但别担心，今天我就来和大家分享一下字符乱码的常见原因以及解决方法，让你以后遇到这种情况时不再手足无措。
首先，让我们来看看最常用的一种解决方案：
文本乱码转码助手（小白推荐，工具由"勤学道人"开发）
                                    分析乱码产生的原因及常见乱码的解决方法1、为什么需要编码2、常见编码ASCII 码ISO-8859-1（扩展ASCII编码）GB2312GBK（扩展GB2312）Unicode编码集UTF-16UTF-8几种编码的比较3. 乱码产生的原因尝试恢复乱码
在了解怎么解决乱码之前，很有必要了解几种编码格式。本文主要基于以下几个方面介绍
为什么需要编码
常见的编码格式
乱码产生的原因
尝试恢复乱码
1、为什么需要编码
主要有以下几个原因
计算机中存储信息的最小单元是一个字节即 8 个 bit，所以能表示的字符
                                    在平常我们开发的过程中，可能会遇到各种各样的问题，其中中文乱码问题是最普遍最麻烦的，因为寻常的中文乱码会有各种形式，有前端原因，也有后台原因，所以需要具体问题具体分析。下面将从几个常见乱码问题入手，分析其原理，给出解决方案，以便到后续开发中能够尽量避免此问题的发生。目录引言一、问题阐述与分析 1.1 IDEA控制台乱码问题 1.2 页面乱码问题 1.3 前台参数乱码问题 1.4 数据库插入乱码问题 1.5 服务器乱码问题 1.6 CSV等文件中文乱码问题 1.7 U
                                    展开全部1、×&%￥e69da5e887aa62616964757a686964616f31333433636136#@……2、§№☆●◎□◆○◎★▲△■※￡¤￠℃￥ξοωχυλβιμητσ3、@#$^&%!$# ……*&%￥&@34%#!4、★☆★$ & ¤ § | °゜ ¨ ± · × ÷ ˇ ˉ ˊ ˋ ˙ Γ Δ Θ Ξ Π Σ Υ Φ Ψ Ω α ...
                                    对于Java由于默认的编码方式是 UNICODE,所以用中文也易出问题,常见的解决是String s2 = new String(s1.getBytes(“ISO-8859-1”),”GBK”);前三种方法是我比较常用的方法，别人的经验告诉我：通常get方法通过改server.xml解决，post方法通过过滤器或者设置字符集解决，呵呵，不知道是否可行！1、utf8解决JSP中文乱码问题一般说来在每
                                    //1 以GBK方式读取UTF-8码的中文  古文+日韩
        String str = "我爱你啊分为了交流大多为不认识的古";
        String s0 = new String(str.getBytes(), "GBK");
        System.out.println("s0 = " + s0);
        //2 以UTF-8的方式读取GBK码的中文 小方块
        String s1 = new String(str.getBytes(...
3、各种符号，以ISO8859-1方式读取UTF-8
4、拼音码，带声调的字母，以ISO8859-1方式读取GBK
5、长度为奇数时，最后的字符变成问号，以GBK读取UTF-8编码，再用UTF-8格式再次读取。
6、大部分文字为锟斤拷，以UTF-8方式读取GBK码，再次用GBK格式再次读取。

名称	举例	特点	产生原因
「古文码」	鎴戣兘鍚炰笅鐜荤拑鑰屼笉浼よ韩浣撱	大部分为不认识的古文，夹杂日韩文	以 GBK 方式读取 UTF-8 编码的中文
这个在上文中提到过。被误以 GBK 和 Big-5 解码经常会得到看起来像中日韩文字的结果。运气好的时候能全部或大部分恢复。
「口字码」	��	大部分字符为方块	以 UTF-8 的方式读取 GBK 编码的中文
这个方块是对不能显示的字符的替换符号，码位是 0xFFFD。通常来说内容是不能恢复的了。
「符号码」	å·¡éŸ³ãƒ«ã‚«	大部分字符为符号	以 ISO8859-1 方式读取 UTF-8 编码的中文
（见下条。）
「拼音码」	Ñ²Òô¥ë¥«	大部分字符为头顶带有各种声调符号的字母	以 ISO8859-1 方式读取 GBK 编码的中文
上两条指的就是上文中提到的 Windows-1252 的例子。因为多是可见符号，显示上也没什么问题，所以很多时候可以完全恢复。
「问句码」	我能吞下玻璃而不伤身??	字符串长度为偶数时正确，字符串长度为奇数时最后的字符变为问号	以 GBK 方式读取 UTF-8 编码的中文（然后保存），然后又用 UTF-8 格式再次读取
由于编码特性问题，用 GBK 保存 UTF-8 文档可能会有内容损失。至于那俩问号...只是问号而已，最后的一个字是找不回来的。
「锟拷码」	锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷	全中文字符，且大部分字符为「锟斤拷」这几个字符	以 UTF-8 方式读取 GBK 编码的中文，然后又用 GBK 格式再次读取
这个在上文也提到过。显然在这种案例下，内容是不可恢复的了。