编码与字符集（Encoding & Charset）

编码（Encoding）和字符集（Charset）经常被混用，但它们不是一回事。

字符集（Charset）

字符集是“有哪些字符”的清单，以及这些字符对应的编号（码点）。

比如 Unicode 字符集里：

• A 的码点是 U+0041
• 中 的码点是 U+4E2D

编码（Encoding）

编码是“如何把码点变成字节序列”。

例如 UTF-8 是一种编码方式：

• A -> 1 字节（0x41）
• 中 -> 3 字节（0xE4 0xB8 0xAD）

不同编码方式决定了“同一个字符”如何变成不同的字节序列。

乱码的本质

乱码通常是“用错了解码方式”。

例如：

• 文件是 UTF-8 编码
• 你用 GBK 去解码

结果就会出现“看起来像噪音”的字符。

常见组合

• Unicode + UTF-8：现代 Web 的事实标准。
• Unicode + UTF-16：某些系统内部表示常见。

简单建议

• 文件统一使用 UTF-8。
• 工具显示乱码时，尝试切换编码。

进一步阅读

理解编码与字符集的区别，是理解“文本为何会坏掉”的基础。