锟斤拷,经常在搜索引擎和网站上看到的字符。是一种因微软漏洞造成的乱码。
Unicode和老编码体系的转化过程中,肯定有一些字,用Unicode是没法表示的,Unicode官方用了一个占位符来表示这些文字,这就是:U+FFFD REPLACEMENT CHARACTER
那么U+FFFD的UTF-8编码出来,恰好是 '\xef\xbf\xbd'。
如果这个'\xef\xbf\xbd',重复多次,例如 '\xef\xbf\xbd\xef\xbf\xbd',然后放到GBK/CP936/GB2312/GB18030的环境中显示的话
一个汉字2个字节,最终的结果就是:锟斤拷
我们上网的时候不用去关心网站采用了什么编码格式,但是页面中不时出现的乱码还是会让我们头疼。在这点上,Firefox的用户更是深有体会,用Firefox浏览网页看到乱码的机会要比IE多得多。 乱码主要与字符编码系统有关。例如一个网页中常出现的乱码“锟斤拷”(百度,Google),它就是新老编码系统转换中出现的。
网友est专门写了一篇文章来考证问题来源:
Unicode和老编码体系的转化过程中,肯定有一些字,用Unicode是没法表示的,Unicode官方用了一个占位符来表示这些文字,这就是:U+FFFD REPLACEMENT CHARACTER。
那么U+FFFD的UTF-8编码出来,恰好是 '\xef\xbf\xbd'。如果这个'\xef\xbf\xbd',重复多次,
例如 '\xef\xbf\xbd\xef\xbf\xbd',然后放到GBK/CP936/GB2312/GB18030的环境中显示的话就是“锟斤拷——锟(0xEFBF),斤(0xBDEF),拷(0xBFBD)”。
http://baike.haosou.com/doc/5600962.html
@Test
public void testKunJinKao(){
String str="我不是锟斤拷";
try {
byte[] buff=null;
//让我们先看看几种错误的转换,let's go
//1. 正常的GBK字节流,你以为是UTF-8,所以用UTF-8去解码...
buff=str.getBytes("GBK");//这里只要不抛异常,数据一定不会被破坏
String str1=new String(buff,"UTF-8");
System.out.println(str1);//这是一种情形:���
//2. 正常的UTF-8字节流,你以为是GBK,所以用GBK去解码...
buff=str.getBytes("UTF-8");//这里只要不抛异常,数据一定不会被破坏
String str2=new String(buff,"GBK");//这里破坏了
System.out.println(str2);//这是另外一种情形:
//说了半天,锟斤拷在哪里呢?come on
//3. 本来正常的GBK字节码,在你不知道的某个环节已经被错误的使用UTF-8解码了
String str3=new String(str.getBytes("GBK"),"UTF-8");
String str4=new String(str3.getBytes("UTF-8"),"GBK");//这里你并不知道数据已经破坏了,这样用是对的。
System.out.println(str4);//锟斤拷
/**
* Got it.How are you,nice to meet you.
*
* Why?
* 如果说情形1、2是开发者自己造成的,
* 那么情形3往往是开发者被坑了,别人造成的(也可能是容器层),总之你拿到的时候已经乱了。
*/
/**
* 细心的你会发现,正是情形1的错误,导致了情形3的发生。之所以表现不同,是因为情形1的程序猿是在UTF-8下打印输出;
* 而情形3是在GBK下打印输出。
*/
/**
* 总结一下,锟斤拷是怎么产生的?
*
* 源于GBK字符集和Unicode字符集之间的转换问题。
* Unicode和老编码体系的转化过程中,肯定有一些字,用Unicode是没法表示的,
* Unicode官方用了一个占位符(REPLACEMENT CHARACTER)来表示这些文字,这就是:U+FFFD
*
* U+FFFD的UTF-8编码出来,恰好是 '\xef\xbf\xbd'。
*
* 重复多次,例如 '\xef\xbf\xbd\xef\xbf\xbd',
* 然后放到GBK/CP936/GB2312/GB18030的环境中显示的话,
* 一个汉字2个字节,最终的结果就是:锟斤拷——锟(0xEFBF),斤(0xBDEF),拷(0xBFBD)。
*/
} catch (Exception e) {
e.printStackTrace();
}
}