字符编码

背景

页面需求，将一个含中文文案的js上传到amis，出现乱码：

字符编码种类

常见编码及其规则

如图，箭头方向为字符集扩充方向，箭头末端对始端兼容。

编码长度及范围

编码	长度	表示范围
ASCII	8bit	英文字母+符号
ISO-8859-1	1B（16bit）	ASCII+欧洲语言
BIG	2B	ASCII+繁体汉字（台湾）
GB2312	2B	ASCII+简体汉字
GBK	2B	BIG+GB2312+日韩汉字
GB18030	4B	GBK+日语、韩语、少数民族文字
Unicode（UTF-8/12/16）	1-4B	ASCII+全球文字

UTF8

UTF8用1-4B（8-32bit）表示字符，开始连续为1的bit数量表示B的数量：

1B：0xxxxxxx （就是ASCII）
2B：110xxxxx xxxxxxxx
3B：1110xxxx xxxxxxxx xxxxxxxx
4B：1111xxxx xxxxxxxx xxxxxxxx xxxxxxxx
复制代码

虽然Unicode和GB系列都能表示汉字，但并不兼容，同一汉字两种编码是不一样的。

常见乱码样式原因

中文乱码多由编码方式和解码方式不一致导致，常见乱码如下：

乱码为复杂汉字

如，文件上传到amis后，“安徽省”变成“瀹夊窘鐪?” 【Utf编码】【GB解码】，一般在两套不同汉字编码方式的系统中 UTF-8用1-4B表示字符，“安徽省”三个字各用3B：e5ae89 e5bebd e79c81 GBK用2B表示字符，所以按e5ae 89e5 bebd e79c 81解析，得到：瀹夊窘鐪?

乱码为菱形问号

如，文件在VScode打开后：

菱形问号是Unicode字符"REPLACEMENT CHARACTER”，表示不能识别。 【GB编码】【Utf解码】 比如：“吃饭”，GBK编码：b3d4 b7b9 UTF8解码： 第一个B：b3—>10110011，不在UTF8编码内，� 第二个B：d4—>11010100，符合2B格式，解码d4b7，是个阿拉伯文：Է 第四个B：b9—>10111001，不在UTF8编码内，�

乱码为？

【ISO8859-1编码】【ISO8859-1解码】，一般在国外网站、软件中输入汉字产生 比如：“吃饭”，ISO8859-1编码，编码失败成：3f 3f 再解码：？？

乱码为数学符号

【GB编码】【ISO8859-1解码】 比如：“你好”，GBK编码：4f60 597d ISO8859-1，1B，按4f 60 59 7d解码：ä½ å¥½

相关工具

在线编码、解码

tool.chinaz.com/tools/urlen…

vscode

默认跟随mac，utf-8，可以设置编码：

转载于:https://juejin.im/post/5c37345fe51d45522851dfbd