【文字编码】乱码“锟斤拷”产生的原因

0xAA55

我刚才用谷歌浏览器搜索“辛苦了用日语怎么说”，然后，嗯，一开始很正常，我学到的短语是“お疲れ様”、“おつかれさま”。
但是我接着浏览的时候不知道怎么回事（没回过神来），看到的结果是“日语说锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷”
于是我就百度了一下（不谷歌是为了免得谷歌又给我“锟斤拷锟斤拷锟斤拷”），大致了解了这种乱码出现的原因。
请看相关资料：
http://baike.baidu.com/link?url=_wQsT1iAdLqHDW6etZLdFNcjdBd-eufqgCzOK2gO06uvH4AbRzfhvWlJtIeJi0s_rh4iCovDO9SfkOXVtaPHA_
懒得看资料的可以看我这里写的。
首先讲到以前用到的文字编码是UNICODE、ANSI等。UNICODE是用WORD数组来保存字符串，相比较而言ANSI用BYTE数组保存字符串能表示的文字就少很多。但是即使这样，UNICODE也不能表示所有的文字。UNICODE的官方做法是用一些占位符来表示这些文字，像这样：U+FFFD。那么U+FFFD的字符用UTF-8编码出来的结果是'\xef\xbf\xbd'。而如果有一定数量的这种字符（U+FFFD）组成字符串，那么UTF-8编码出来的结果就是差不多这样的：'\xef\xbf\xbd\xef\xbf\xbd\xef\xbf\xbd……'，再把这样的UTF-8字符放到GBK、CP936、GB2312、GB18030编码的环境里显示的就是“锟斤拷锟斤拷锟斤拷锟斤拷”。
‘锟’= 0xEFBF
‘斤’= 0xBDEF
‘拷’= 0xBFBD

下面这张图。这个新闻看个蛋！我觉得“锟斤拷”这三个字可以用来当马赛克使。{:soso_e120:}

0xAA55

不过“锟斤拷”听着很有节奏感……