又是编码问题？是时候搞懂编码原理了

　　开始学编程时总是头疼编码问题，有时候明明开发环境运行正常，上了测试环境就报编码错误了。有时自己debug好好的，结果上了环境用户输入中文又报错了。解决了读取文件的编码问题，又遇到网络编码问题，解决了网络编码问题又遇到数据库编码问题。其实这是没搞懂编码的原理，本文希望可以帮助大家理解编码，遇到问题就可以从原理上解决。
　　一、起源
　　1、人类语言五花八门，而计算机只认识0和1，要让两者沟通，就必须存在一个翻译官，把人类语言翻译成计算机的语言0和1，把人类理解的文字翻译成0和的组合1就是编码，把0和1的组合翻译成人能读懂的文字就是解码。计算机最基本的操作单位是字节（Byte），一个字节有八个位（bit），即八个0或1的组合，例如01010101。计算机最初是美国人发明的，美国人约定把01000001这个组合翻译成大写的英文字母A，把01000010这个组合翻译成大写英文字母B，当你在键盘上输入A的时候，计算机将A翻译成了01000001存储起来，这就是编码，当需要把存储的内容重新显示到屏幕上时，计算机又把01000001翻译成A打印到屏幕上，这就是解码。一个字节可以表示256个数字，足够用来表示所有英文字母、数字和标点了，实际上这就是ASCII码。
　　编码将一个个字符经过翻译变成了一个个字节，计算机实际存储的是字节流，网络传输和数据库底层存储的也都是字节流。需要注意的是，字符需要编码，数字是不用编码的，比如32，如果看成字符就是3和2两个字符，用对应的编码方式进行编码，如果看成数字，那对应的存储结构是00100000。
　　二、乱码
　　如果所有人只用英语的话，大家都使用ASCII编码，那编码就是透明的，不会出现什么问题。但随着计算机普及到全世界，像我们国家，光汉字都数不清多少个，一个字节根本不够表示了，所以出现了使用两个字节、三个字节的编码方式，像gbk，gb2312等等，各个国家也都发明了代表自己语言文字的编码方式。
　　这样一来各自使用计算机都没问题了，可是这样实在有点太乱，两种不同的语言都不能放在一起，能不能把全世界当成一个整体，于是就出现了由国际组织编排的unicode编码，unicode为每种语言的每个字符设置了编码，这样全世界都用unicode就统一起来了。
　　但是由于编码的种类繁杂，乱码问题出现了。编码之所以受人重视得归功于乱码，乱码的本质是编码和解码用了不同的方式，如果我用utf8编码输出文件，你拿到文件后用gbk解码，就发生乱码了，因为字符按照utf8规则编排的0和1的组合，用gbk的规则去解码肯定是不能还原成原来的字符的。
　　数据库也是这个道理，如果建库建表设置了utf8编码，然后代码中操作时用gbk编码去读写就会出现乱码，网络通信也一样，如果发送端发送字符时使用utf8编码，字节流经过网络发送给接收端，接收端必须也用utf8做解码才能还原成正确的字符。
　　还有一种乱码的情况，文件本来就不是文本文件，本来就是二进制文件，也就是说没有经过编码，你去解码当然会显示乱码。
　　所以要避免乱码，只要保证编码和解码方式一致就可以啦。
　　另外如果遇到文件乱码不要慌，因为乱码说白了只是显示错误，用错解码方式并不会影响文件本身的存储结构，换成正确的解码方式就可以正确显示了。乱码是对人而言的，对计算机来说，不管是文本还是图片，存储的都是字节流，不存在乱码的概念。