打开一个文件满屏乱码,或者网页上某些字显示成方框——这些问题几乎都和编码有关。
UTF-8 是当下网页与跨平台文件的绝对主流,它能表示 Unicode 字符集里的所有字符。新建网页、数据库、代码文件时,统一用 UTF-8(无 BOM)能避开绝大多数乱码。
GBK / GB2312 是较老的中文编码,仍在一些旧系统和旧文件里出现。如果把 GBK 文件当 UTF-8 打开,就会看到乱码——用编辑器"另存为 UTF-8"即可转换。
所谓"缺字"(显示成方框/豆腐块),通常有两种原因:一是字体本身没有收录这个字(尤其是生僻字、扩展区汉字),换一款收录更全的字库即可;二是文件编码错误,导致字符被解析成了另一个码位。
实操建议:网页在 <head> 里声明 <meta charset="UTF-8">;处理来历不明的文本时,先用编辑器检测编码再转换;收录生僻字的需求,优先选择覆盖 GB18030 完整字集的大字库。
