中文乱码辨识

在软件开发中常常会碰到中文乱码。有时我们不知道该文件的正确编码是什么，会使用文本编辑器（如UltraEdit）来尝试所有可能的编码。然而，乱码本身也有一定的规律，从乱码的样子大致可以得知正确的编码类型。在此给出各种编码的字符串被错误解析时的样子。

以下面语句为例：

这是一个字符集测试，作者为Harttle。

以UTF-8编码

以下列编码解析的显示结果：

• BIG-5
  餈口口銝€銝芸?蝚阡?瘚口?嚗口??口蛹Harttle??

• ASCII
  ???????????????????????????????????????Harttle???

• GBK
  杩欐槸涓€涓瓧绗﹂泦娴嬭瘯锛屼綔鑰呬负Harttle銆?

• Unicode
  뿨꾘룤ꪸ귥ꚬ鯩讵꿨貼뷤薀룤䢺牡瑴敬胣�

以GBK编码

以下列编码解析的显示结果：

• BIG-5
  涴岆珨跺趼睫摩聆彸ㄛ釬氪峈Harttle﹝

• UTF8
  ����һ���ַ������ԣ�����ΪHarttle��

• Unicode
  쟊믒훗﮷꾼퓊겣�꫎慈瑲汴ꅥ�

• ASCII
  ??????????????????????????Harttle??

以Unicode编码

以下列编码解析的显示结果：

• BIG-5
  ?/f口N*NW[&?Km? 口\O:NH口a口r口t口t口l口e口0

• UTF8
  '/f口N*NW[&{lKmՋ �\O�:NH口a口r口t口t口l口e口0

• UTF32
  �����������

• GBK
  購/f口N*NW[&{茤Km諎 口\O€:NH口a口r口t口t口l口e口0

规律

1. 错误地选择ASCII显示时，问号居多，ASCII字符255个也很容易识别。

2. 错误地选择UTF8、UTF16显示时，会出来很多��

3. 错误地选择GBK显示时，会出现很多不常见的繁体字

如果你在做相似的工作，可能需要查询代码页：Wikipedia-Code_page

除非注明，本博客文章均为原创，转载请以链接形式标明本文地址： http://harttle.com/2015/05/11/unreadable-code.html