锟斤拷为什么这么烫？

“手持两把锟斤拷，口中疾呼烫烫烫！”

前言

和群友吹水时看到的，给我整笑了

锟斤拷 17 锟斤拷锟斤拷锟斤拷 HTTP 锟斤拷锟斤拷 (oracle.com)

~~为防止Oracle修复，传了一份到WebArchive~~Wayback Machine

话说回来，为啥会有这玩意？单纯的乱码，还是浏览器抽风？

编码

具体内容可以参阅《计算机组成原理》

ASCII

计算机会处理各种各样的字符：英文、中文...为了区分记录它们，产生了不同的编码，如繁体的BIG5，或者中文的GBK。

对于英文的26个字母、10个数字和少数标点，很轻松就能把他们全记下来：1、2、3.……但在计算机底层，实际上用0和1进行存储。ASCII编码会将所有的字母及符号进行编码，之后转成二进制的0和1进行存储，字母和符号占1个字节（即8bit）。

标准的ASCII码规定最高位必须为0，因此ASCII编码只能有128个，转成十进制即为0-127。

英语是没问题了，但其他的语言呢？一种全球通用的编码方式亟待指定。Unicode应运而生。

Unicode

Unicode（又称统一码、万国码、单一码）是计算机科学领域里的一项业界标准。它为每种语言中的每个字符设定了统一并且唯一的二进制编码。在表示一个Unicode的字符时，通常会用“U+”然后紧接着一组十六进制的数字来表示这个字符。

Unicode是一种可变长度字符编码，它可以用来表示Unicode标准中的任何字符，而且其编码中的第一个字节仍与ASCII相容。这蛮好的，不用把以前的推翻了重来。

但凡事有个先来后到。UTF-8是针对Unicode的一种可变长度的字符编码，它包含了世界上所有字符的编码，但那些早录入的字符，就会优先使用1、2个字节来存储。后面来的只能乖乖往后排，因此会占用更多的字符量。对于中文，很可能一个汉字使用三个字节进行编码，这对于网页是灾难性的：一个中文网站只有中文~~和一点点英文及数字~~，却需要很多的字节来记录。非常糟糕，不是吗？

为了解决这个问题，GBK编码出现了。

GBK

中华人民共和国全国信息技术标准化技术委员会制定了一套GB系列的编码，其中最常用的就是GBK。

对于英文，GBK使用单字节编码，完全兼容ASCII字符；而汉字使用两个字节进行编码，其编码范围从0x8140至0xFEFE（剔除xx7F），共23940个码位，共收录了21003个汉字，图形符号 883 个。

为什么要删除xx7F？这玩意对应的ASCII码表是DEL，意味着要向后删除一个字符。~~很神奇吧~~

锟斤拷、锟斤拷，锟斤拷？

Unicode编码也在不断发展，可能会出现各种操作系统支持的Unicode字符不一样。为了避免这个问题，Unicode中定义了一个特殊字符�，编码为0xFFFD。而它用UTF-8编码之后，十六进制表示为0xEF 0XBF 0XBD。若连续两个，则变成0xEF 0XBF 0XBD 0xEF 0XBF 0XBD。发现了吗？