一文说清文本编码那些事

一直以来，编码问题像幽灵一般，不少开发人员都受过它的困扰。 试想你请求一个数据，却得到一堆乱码，丈二和尚摸不着头脑。有同事质疑你的数据是乱码，虽然你很确定传了 *UTF-8* ，却也无法自证清白，更别说帮同事 *debug* 了。 有时，靠着百度和一手瞎调的手艺，乱码也能解决。尽管如此，还是很羡慕那些骨灰级程序员。为什么他们每次都能犀利地指出问题，并快速修复呢？原因在于，他们早就把编码问题背后的各种来龙去脉搞清楚了。 本文从 [ASCII](https://en.wikipedia.org/wiki/ASCII) 码说起，带你扒一扒编码背后那些事。相信搞清编码的原理后，你将不再畏惧任何编码问题。 ## 从 ASCII 码说起 现代计算机技术从英文国家兴起，最先遇到的也是英文文本。英文文本一般由 *26* 个字母、 *10* 个数字以及若干符号组成，总数也不过 *100* 左右。 计算机中最基本的存储单位为 **字节** ( *byte* )，由 *8* 个比特位( *bit* )组成，也叫做 **八位字节** ( *octet* )。*8* 个比特位可以表示 $ 2^8 = 256 $ 个字符，看上去用字节来存储英文字符即可？ 计算机先驱们也是这么想的。他们为每个英文字符编号，再加上一些控制符，形成了我们所熟知的 [ASCII](https://en.wikipedia.org/wiki/ASCII) 码表。实际上，由于英文字符不多，他们只用了字节的后 *7* 位而已。  根据 *ASCII* 码表，由 *01000001* 这 *8* 个比特位组成的八位字节，代表字母 *A* 。  顺便提一下，比特本身没有意义，**比特** 在 **上下文** ( *context* )中才构成信息。举个例子，对于内存中一个字节 *01000001* ，你将它看做一个整数，它就是 *65* ；将它作为一个英文字符，它就是字母 *A* ；你看待比特的方式，就是所谓的上下文。 所以，猜猜下面这个程序输出啥？ ```c #include