Character encoding 字符编码和â€™；问题_Character Encoding_Cross Platform_Mojibake

Character encoding 字符编码和â€™；问题

character-encoding

Character encoding 字符编码和â€™；问题,character-encoding,cross-platform,mojibake,Character Encoding,Cross Platform,Mojibake,即使在今天，人们也经常会频繁地看到字符编码问题。以最近的这一职位为例：（注意：这是一个示例，不是垃圾邮件职位…：-）我最近在网站上、流行的即时通讯节目中以及CNN的背景图片中都看到了这一错误我的问题分为两部分：是什么导致了这种特殊的、常见的编码问题作为开发人员，我应该如何处理用户输入以避免常见的编码问题，如这个？如果此问题需要简化以提供有意义的回答，假设内容是通过web浏览器输入的是什么导致了这种特殊的、常见的编码问题当使用错误的字符集进行字符和字节之间的转换时，将发生这

即使在今天，人们也经常会频繁地看到字符编码问题。以最近的这一职位为例：

（注意：这是一个示例，不是垃圾邮件职位…：-）

我最近在网站上、流行的即时通讯节目中以及CNN的背景图片中都看到了这一错误

我的问题分为两部分：

是什么导致了这种特殊的、常见的编码问题
作为开发人员，我应该如何处理用户输入以避免常见的编码问题，如这个？如果此问题需要简化以提供有意义的回答，假设内容是通过web浏览器输入的

是什么导致了这种特殊的、常见的编码问题

当使用错误的字符集进行字符和字节之间的转换时，将发生这种情况。计算机以字节的形式处理数据，但要以合理的方式向人类表示数据，必须将其转换为字符（字符串）。这种转换是基于有许多不同字符集的字符集进行的

在特定的

中™示例，这是使用UTF-8读取的“
的典型CP1252表示形式。在UTF-8中，该字符存在于字节0xE2
、0x80
和0x99
中。如果您检查，那么您将看到这些字节正好代表字符–、€和™
这可能是由于网站没有正确读取原始源代码（应该使用CP1252），或者在内容类型
响应标题中显示了错误的charset=CP1252
属性的UTF-8页面（或者该属性丢失；在Windows计算机上，将使用默认字符集CP1252）

作为一名开发人员，我应该如何处理用户输入以避免像这样的常见编码问题？如果这个问题需要简化以提供有意义的答案，那么假设内容是通过web浏览器输入的
确保使用已知的预定义字符集从任意字节流源（例如文件、URL、网络套接字等）读取字符。然后，确保使用Unicode字符集（最好是UTF-8）一致地存储、写入和发送字符
如果您熟悉Java（您的问题历史记录证实了这一点），您可能会发现它很有用