Html 为什么当我将一个随机的UTF-8网页视为UTF-16时，很可能会看到汉字？

出于好奇，我在一个随机的英文网页的编码菜单中选择了UTF-16，看看会发生什么（在Chrome:Tools->Encoding->Unicode（UTF-16LE）上）。我感兴趣的是，我看到的几乎所有mojibake都是汉字（和一些整数符号）

---

当从ASCII/UTF-8英语转换到UTF-16时，是否有统计上的原因可以看到中文字符？是HTML标记中的随机非中文特殊字符吗？

大多数英文字符在

[0x40-0x5a]中采用ASCII编码

hex范围。如果您将UTF-8转码到UTF-16，您的大多数字符将在范围

[0x4040-0x5a5a]

内，该范围将有效地映射到中文字符

大多数英文字符在

[0x40-0x5a]

十六进制范围内进行ASCII编码。如果您将UTF-8转码到UTF-16，您的大多数字符将在范围

[0x4040-0x5a5a]

，它可以很好地映射到中文字符

，因为UTF-16中最小的单元有两个字节长，最“低”的第一个字节像拉丁语这样的字符以

NUL

字节开始：

00xx

。由于正常内容通常不包含

NUL

字节，因此在将随机字节序列解释为UTF-16时，几乎不可能命中拉丁字符。UTF-8编码内容的大部分字节将位于中下部，比如

466f。这恰好是许多亚洲语言在UTF-16中的位置，因为汉语是一个巨大的块，你很可能会碰到它。
因为UTF-16中最小的单位是两个字节长，所以最“低”的第一个字节像拉丁语这样的字符以
NUL
字节开始：
00xx
。由于正常内容通常不包含
NUL
字节，因此在将随机字节序列解释为UTF-16时，几乎不可能命中拉丁字符。UTF-8编码内容的大部分字节将位于中下部，比如
466f。这恰好是许多亚洲语言在UTF-16中所处的位置，因为中文是一个巨大的块，你很可能会碰到它。
我同意劳尔·安德烈斯的观点，只要你将ASCII或UTF-8中只包含ASCII字符的部分视为UTF-16。但是，如果你的UTF-8内容包含泰国语、希伯来语或其他导致utf-8中出现2字节、3字节或4字节序列的语言。
我同意Raul Andres的观点，只要您将仅包含ASCII字符的ASCII或utf-8视为utf-16。但是，如果您的utf-8内容包含导致2字节、3-b的泰国语、希伯来语或其他语言，则您可能不再查看中文字符utf-8中的字节或4字节序列