22nd

字符集是字符的集合，规定了字符对应的二进制表示方式，由于计算机只认识 0 和 1，所以我们平时使用的各种字符在计算机底层也必须用二进制表示，Unicode 就是一个包含了世界上几乎所有语言的每一个字符的集合。而字符编码则规定了字符的编码方式，常见的字符编码方案有 UTF-8、UTF-16、GBK 等。如果编码和解码的方式不匹配，就会产生乱码。最著名的乱码当属“锟斤拷”和“烫烫烫”了。

“锟斤拷”的来源是这样的。如果我们想要用 Unicode 编码记录一些文本，特别是一些遗留的老字符集内的文本，但是这些字符在 Unicode 中可能并不存在。于是，Unicode 会统一把这些字符记录为 U+FFFD 这个编码。如果用 UTF-8 的格式存储下来，就是\xef\xbf\xbd。如果连续两个这样的字符放在一起，\xef\xbf\xbd\xef\xbf\xbd，这个时候，如果程序把这个字符，用 GB2312 的方式进行 decode，就会变成“锟斤拷”。

而“烫烫烫”，则是因为如果你用了 Visual Studio 的调试器，默认使用 MBCS 字符集。“烫”在里面是由 0xCCCC 来表示的，而 0xCC 又恰好是未初始化的内存的赋值。于是，在读到没有赋值的内存地址或者变量的时候，程序就会输出“烫烫烫”。

参考资料：

• https://time.geekbang.org/column/article/95844