以一首五言绝句作为开篇，你知道背后说的是什么吗？

手持两把锟斤拷

口中疾呼烫烫烫

脚踏千朵屯屯屯

笑看万物锘锘锘

? 为何物？

在前不久石头哥的这篇文章中 ——?你可能也会掉进这个简单的 String 的坑，讲述了因字符编码问题而连续踩坑的经历，文中有一个神奇的字符 “?”。

其实，这个?“?” 真是无处不在，比如大名鼎鼎的微信：

再比如，封面图中，单价22元的“锟斤拷锟斤拷”，再随便百度一把：

要弄清这个问题，还得先从编码谈起。

因为在计算机的眼里，都是二进制，具体用哪些二进制数字表示哪个符号，这就是编码。不要把编码想象得太复杂，其实就是一个很简单的 mapping。

比如大家所熟知的 ASCII 编码，规定了 二进制的0100 0001，也就是十进制的65，代表的含义就是大写字母?A。

??也是一种编码字符，就跟上面的 A 一样一样的，它是 UNICODE 编码方式中的一个特殊的字符，也就是 0xFFFD(65533)，语义是一个占位符，用来表达这套编码系统中未知的，自己不认识的东西。

比如上篇文章中的实验截图的，红色部分圈出来的对应的字符，UTF-8 编码都不认识，所以按照 UNICODE 的定义，我就只好用统一的一个占位符 ——?0xFFFD(65533)?来表示。

为什么会出现“锟斤拷”？

如上图所示，第 18 行的字节数组?new byte[] {-25, -119, -25, -116}，UTF-8?恰好都不认识，因此只能用占位符替换。

这种情况，在编码转换过程中确实也比较常见，如果双方没沟通清楚，确实很容易出现互相不认识的情况。

在中文系统中，常见的字符编码是 GBK，这个时候，因为大家没提前商量清楚，我就默认按照 GBK 给你编码看看。

惊不惊喜意不意外……

其实是因为，??用?UTF-8?编码后变成了?0xEFBFBD（就是上面的字节数组?[-17, -65, -67]），两个连起来就是?0xEFBFBDEFBFBD，也就是上面的字节数组[-17, -65, -67, -17, -65, -67]。

而 GBK 编码依然采用双字节编码方案，因此上面的 6 字节?0xEFBFBDEFBFBD，就被拆成了 3 个 2 字节字符即?0xEFBF, 0xBDEF, 0xBFBD?对应 GBK 编码里面就是：锟（0xEFBF），斤（0xBDEF），拷（0xBFBD）。

现在，你知道了吗？

留个作业题：开篇的五言绝句，你知道另外的梗是来自哪里吗？欢迎留言讨论。

?女朋友的一个建议，这位程序员创立仅 551 天公司就被 10?亿美元收购了
?抽成 30% 的苹果税是良心价？谷歌也学“坏”了
?“面向对象就是一个错误！”
?回溯 Rust 2020：正在成为最受欢迎的编程语言

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/