热门问题
时间线
聊天
视角
中文亂碼
来自维基百科，自由的百科全书
Remove ads
中文亂碼是電子資訊系統的中文無法正確顯示文字符號的一種現象，在中文內碼未有標準時情況尤其嚴重[1]。
「萬碼奔騰」的年代
在過去，由於繁體中文使用者缺乏一個具有號召力的內碼標準，不同使用者都會使用各自的標準。比較普遍的是銀行由於主要使用IBM的商業電腦，很自然地亦選擇了IBM 5550作為其內碼標準。這些用5550內碼的檔案，一旦下載到電腦上，若要轉寄與其他人使用，就要透過轉碼換成Big5，其他人才可以閱讀。
另一方面，在會計界有不少人都直接使用外國的專門軟體，而為免衝碼問題使畫面凌亂，不少的IT部門都把公司電腦的內碼換成倚天碼。本來會計人員過去只是把計算結果列印而提交報告，並未有任何問題。到後來隨著電子表格的興起，使用者才發覺到當公司與外界使用的內碼不同，會引起不少問題，亂碼的問題才開始得到重視。
繁體中文編碼體系產生的亂碼
歐洲生產的某些電腦並無法辨識Big5雙位元字碼的中文字元，相反的，它們會把位於00到7F間的字碼視為ASCII，而80到FF間的字碼則視為EASCII，例如：
也因此，中文字串「維基百科中文大五碼」會顯示為亂碼「ºû°ò¦Ê¬ì¤¤¤å¤j¤ ½X」。
隨著UTF-8的普及化，許多繁體中文的IRC頻道也逐漸從Big5轉變成UTF-8；然而在這種過渡時期中，仍然有不少IRC頻道是採用Big5的，所以使用者參與了新的頻道時，通常會想要先確定自己的字元編碼有沒有設錯，人們最常用的測試字眼不外乎：
當一段大五碼文字被錯誤地以UTF-8解碼再編碼再以大五碼解碼，由於在被以UTF-8解碼時的無效字元被以Unicode的「未辨識字元（U+FFFD）」作為內碼記錄，而那替代字元的UTF-8編碼的十六進制為「EF BF BD」。當那替代字元因為按UTF-8解碼會出現大比例的無效字元而令其大片大片地出現，進而在被UTF-8再編碼再以大五碼解碼後讀碼框取到UTF-8替代字元的編碼的第一個位元組和第二個位元組的十六進制「EF BF」解碼得到「嚙」字，接下來的讀碼框橫跨兩個UTF-8替代字元取到第一個UTF-8替代字元的第三個位元組和第二個UTF-8替代字元的第一個位元組的十六進制「BD EF」解碼得到「踝」字，再接下來的讀碼框取到第二個UTF-8替代字元的第二個位元組和第三個位元組的十六進制「BF BD」解碼得到「蕭」字，連起來就是「嚙踝蕭」。這樣的情況反覆出現就令其中出現大量「嚙踝蕭」字樣。並且由於在被以UTF-8解碼時所出現的各種無效字元與有效字元的各種組合，再以大五碼解碼後其中會有許多不是出現在「嚙踝蕭」子序列中的「嚙」、「蕭」字樣。
另外其他編碼的非UTF-8文字或非文字二進制資料被錯誤地以UTF-8解碼再編碼再以大五碼解碼也會如上產生嚙踝蕭亂碼，然而由於原位元組序列的特徵會部分地傳遞至以UTF-8解碼後所產生的中間階段亂碼，這樣因此由這些方式產生的亂碼跟大五碼文字被錯誤地以UTF-8解碼再編碼再以大五碼解碼所產生的亂碼便具有不同的特徵。
Remove ads
簡體中文編碼體系產生的亂碼
在中文網際網路上流行著一個冷笑話，總結了簡體中文編碼中經常出現的亂碼：[2][3]
手持兩把錕斤拷，口中疾呼燙燙燙。 腳踏千朵屯屯屯，笑看萬物鍩鍩鍩。
在Unicode編碼（主要為UTF-8）與簡體中文編碼系統（例如GB 2312、GBK、GB 18030、CP936）轉換時，如果將中文編碼（或其他非UTF-8編碼）的位元組串當作UTF-8解碼，由於一個字串在任何其它編碼中表現為合法的UTF-8的可能性很低，這些不合法的編碼在Unicode中會以「未辨識字元（U+FFFD）」作為內碼記錄，再次以UTF-8編碼時就會表現為EF BF BD。當多個EF BF BD連續出現，而且以簡體中文編碼去解釋的話，就會被解析為多個「锟斤拷」。三個字的編碼分別是锟（0xEFBF）、斤（0xBDEF）、拷（0xBFBD）。
在Visual C++中，以除錯模式執行程式時，未初始化的棧空間被以0xCC填充，而未初始化的堆空間則是0xCD。當不小心以字串形式輸出了這些未初始化的內容時，系統會以GBK編碼解析為一連串重複的「烫」（0xCCCC）或者「屯」（0xCDCD）。
此外，一些早期命令列介面程式會使用頁碼437中的擴充字元來類比窗口，字元「═」（0xCD）可以作為窗口的上下邊界。但如果作業系統採用的是頁碼936，則會將相鄰的「═」辨識為「屯」（0xCDCD），於是窗口上下邊界就變成了一連串的「屯屯屯」。
Windows作業系統中，將文字檔案儲存為UTF-8格式時會在檔案開頭添加位元組順序標記（BOM）EF BB BF，當檔案以GBK編碼打開時，開頭兩個位元組會被解析為「锘」（0xEFBB）。
產生的問題
過往，亂碼所產生的問題，往往只是閱讀上的不方便，因為文字變成了亂碼，使使用者看不到文字的內容。然而，現時由於電腦軟體安全設計的問題，亂碼隨時可能會使應用程式不正常關閉。
參見
參考文獻
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads