文章原写于2019年，时值初一年级，定有错漏之处。敬请见谅。
绪言
不知各位小伙伴们在日常生活当中有没有碰到过文件乱码的情况。同一串字符，在不同的地方，显示出的内容确有差异。但现今，这种情况已经非常罕见了。那么，为什么会出现乱码？乱码的现象为什么变得罕见了呢？这就是本期严石要与大家讨论的话题：编码。
编码
ASCII编码
地球人都知道，机器不如人类（比如严石这类生物体 \手动滑稽）这样机智聪明，它们只能识别二进制，即0或1。但是，仅仅用数字0或1，如何能表示文字呢？很简单，我们可以制成一张表，以此来规定用怎样的“0”与“1”的组合表示出怎样的文字。由于计算机最早是美国发明的，故在文字的ASCII编码中只顾及到了英文字母。我们可以用一个字节（注：1 type = 8 bit）的长度表示出255种“0”与“1”的组合。因为，“0”或“1”这种数字占1个bit的长度，而一个字节有8个bit，故总共有$2^8-1=255$种变换。
例如：0000 0001；0000 0010；0000 0011等等共256种变换。
255种变换足以表示26个字母，10个阿拉伯数字以及各种标点符号。所以，很久以来，计算机都采用了ASCII编码。ASCII是（American Standard Code for Information Interchange）的缩写，意思是：美国信息交换标准码。确实，文字方面，此编码只能表示英文字母，配得上美国二字。
查表可看出，大写字母“A”的ASCII值是65，将65转换成二进制为0100 0001，因此当以ASCII编码时读到0100 0001，计算机即转换为大写字母A。
随着科技的发展，计算机在各国都得到了普及，可ASCII编码只能表示英文，无法展现出中文、日文、韩文等其它文字，怎么办呢？
ANSI编码
这很简单，世界各国又根据自己的文字制定出了符合自己文字的编码。这些各国自己的编码实际上是对于ASCII的扩展。ANSI编码事实上是简体中文、繁体中文、日文、韩文等各种不同编码的总称。
GBK编码
GBK即“国标”、“扩展”汉语拼音的第一个字母，全称《汉字内码扩展规范》。由于1个字节仅能表示255种不同变换，而汉字远不止255个，于是该编码采用的双字节，2个字节即16比特，能表现出2^{16}-1=65535种变换，表现汉字就绰绰有余了。而GBK属于变长字符集，对于英文仍旧采用1个字节表示，兼容ASCII编码。而对于中文则采用2个字节。
GBK编码是中国早期制定的汉字编码GB 2312编码的扩充，完全包含了GB 2312的所有编码，又对GB 2312的编码有所扩充。这里就不展开来叙述了。
GB 18030编码
GB 18030编码同GBK编码一样，都是中国制定的编码，它也是一个变长字符集。它对GB 2312完全向后扩展兼容，对GBK基本向后扩展兼容。它共收录了汉字70244个，采用1个、2个或4个字节交换信息。因此，它完全支持Unicode，无需动用造字区即可支持中国国内少数民族文字、中日韩和繁体汉字以及emoji等字符。此编码很强大。
Big 5编码
ASCII编码不能表示繁体中文，所以中华人民共和国的港澳台地区又自己鼓捣了一个编码，叫做Big 5码，很好地表现了繁体中文。
乱码
但这就出现了问题，一份在台湾省采用Big 5编码的文字“我愛你”，实际存储在计算机里的信息是：“A7DA B752 A741”（十六进制下）。然后，这份文件传输到中国大陆，而大陆的标准是GBK、GB 2312或GB 18030编码。假设大陆这边使用GBK编码打开这份Big 5编码的文件，计算机就会在GBK编码库中寻找“A7DA B752 A741”（十六进制下）。OK，计算机找到了。“A7DA”在Big 5编码中是“我”字，而在GBK编码中是“и”这个字。同理，“B752”在GBK编码中对应的字是“稲”，而“A741”在GBK编码中没有字符。
于是乎，来自台湾省的“我愛你”，到了大陆这边，却显示出了“и稲 ”这种没有意义的字符。所以，乱码出现了。
小伙伴们又问了，GB 18030不是支持繁体字符吗？可以用GB 18030来读Big 5啊！可惜，遗憾的是GB 18030与Big 5不兼容，并不是同一个繁体字在两种编码体系中都用一种编码表示。因为是在对GB 18030对GB 2312和GBK兼容的情况下扩展的，所以在这三种编码（GBK、GB 2312、GB 18030）中，同一个字的编码表示基本是相同的。在GB 18030下，“我愛你”变成了“и稲”。
所以，下一次你打开一份来自港澳台地区的文件，却显示“и稲”的话，他实际上是在和你表白！
同一份文件在不同编码表示的含义根本就不一样。这怎么能行？于是，一个神秘的编码横空出世。
UNICODE
此编码骨骼清奇，于1990年研发，又称作万国码。因为它收录了世界几乎所有的文字。所谓Unicode，就是United code，联合起来的码。每一种文字在上面都有自己独一无二的编码。
既然Unicode啥都能表示，那还需要自己的那么局限的编码干什么？全世界都用Unicode岂不美哉，这样就避免了乱码。所以，Windows默认的记事本采用的就是带BOM的UTF-8格式，即采用了Unicode。因此，在大家的共同努力下，乱码的情况越来越少。