字符编码简史：ASCII、Unicode、UTF-8 与中文乱码的根源

Unicode 给每个字符一个唯一编号（码点），UTF-8 是把编号变成字节的一种编码方式。「锟斤拷」「」等乱码的共同根源只有一个：写入时用的编码和读取时用的编码不一致。 本站提供 Unicode 编码转换工具。

三段简史

阶段	方案	能力	局限
1963	ASCII	128 个字符，7 bit	只有英文
各国自救	GBK（中）/ Shift-JIS（日）等	本地语言	互不兼容，同一字节含义不同
1991 至今	Unicode + UTF-8	全球字符统一编号	需要全世界都遵守

字符集 ≠ 编码

• Unicode 是字符集：规定「中」= U+4E2D，「😀」= U+1F600，只是一个编号表。
• UTF-8 是编码：规定编号怎么变成字节——ASCII 字符 1 字节，常用汉字 3 字节，Emoji 4 字节。变长设计让 ASCII 文本零成本兼容。
• UTF-16、UTF-32 是另外两种编码，分别用 2/4 字节的定长基本单元。今天默认选 UTF-8。

乱码是怎么产生的

写入：「中」--UTF-8--> E4 B8 AD（3 字节）
读取：E4 B8 AD --按 GBK 解读--> 涓（乱码）

三个字节的 UTF-8 汉字被按两字节一组的 GBK 切开，就得到经典乱码「涓」。而「锟斤拷」则来自 Unicode 替换字符 U+FFFD 的二次转码。

排查乱码的三板斧

1. 先确认实际字节：用十六进制查看器看文件真实字节，别信编辑器显示的「当前编码」。
2. 确认声明与实际一致：HTML 的 <meta charset>、HTTP 的 Content-Type、数据库的表字符集，声明的是 A 而实际写的是 B，必然乱码。
3. 统一为 UTF-8：新项目全链路（文件、数据库、HTTP、代码默认编码）统一 UTF-8，可以消灭 99% 的乱码问题。

最后更新：2026-09-08