首幕 · 中文编码与区位码资料馆
中文乱码日产无线码一区中文编码与区位码资料馆：从 GB2312 一区符号到 GBK 与 UTF-8 互转、乱码显示排查步骤、无线传码字节对照的完整档案
这里把中文在计算机里的存放方式摊开来讲：区位码怎样按 94×94 分区、一区为什么是标点与符号、GB2312 与 GBK、UTF-8 之间为什么会出现显示错乱，以及一串字符在无线链路里被拆成字节发送时要注意哪些环节。每一条都可以照着核对，也方便在手机上随手翻查。
字符集、编码与字节序列：中文进入机器要过三道门
一个汉字从键盘输入到屏幕上显示，中间要经过字符集、编码方式、字节序列三个环节。任何一个环节对不上，画面就会变成看不懂的方块或问号。理解这三道门，后面所有的显示问题都有迹可循。
字符集：定义有哪些字
字符集负责给每个符号编一个编号，例如 GB2312 收录了常用汉字与符号，Unicode 则试图覆盖全世界文字。字符集回答的是“这个字存不存在”。
编码：定义编号怎么写
编码方式负责把编号翻译成字节。同一个编号，GBK 可能用两个字节，UTF-8 可能用三个字节。编码方式回答的是“这个字怎么写进文件”。
字节序列：真正被存储与传输的内容
文件、数据库字段、网络报文里躺着的都是一串字节。读取方必须用写的一方相同的规则去解读，否则读出来的就是另一段内容。
常见编码的字节长度直觉
- ASCII：一个英文字符一个字节，范围固定在低七位。
- GB2312 / GBK：一个汉字通常两个字节，高位字节参与区分区域。
- UTF-8：变长设计，英文一个字节，常用汉字一般三个字节，生僻字可能四个字节。
- Big5：繁体常用字两字节，与 GB 系列互不兼容。
区位码分区速览：为什么会有“一区”这样的说法
GB2312 把字符位置排成 94 行、94 列的方阵，行号叫“区”，列号叫“位”，合起来就是区位码。区号从 01 开始，每一个区承担不同类别的符号，这就是按区查字的由来。
| 区号范围 | 主要内容 | 查找特点 |
|---|---|---|
| 01—09 区 | 标点、单位、序号、数字与图形符号 | 一区集中在常用标点，成组排列，便于记忆 |
| 10—15 区 | 预留空区 | 通常不放置字符 |
| 16—55 区 | 一级汉字 | 按汉语拼音顺序排列 |
| 56—87 区 | 二级汉字 | 按部首与笔画顺序排列 |
| 88—94 区 | 补充与预留 | 部分版本有扩展内容 |
一区里的符号有什么规律
- 一区开头多为空格、顿号、句号、逗号一类高频标点，位置靠前便于调用。
- 随后依次排入引号、括号、连接号、省略号等成对出现的符号。
- 再往后是单位符号、序号符号与制表符号，按类别成段排列。
- 记忆窍门：同一类符号挨在一起，找到起点就能顺推邻近的位号。
分区排布的意义在于，只要知道区号与位号，就能在没有复杂索引的年代快速定位一个字符。现代系统虽然普遍改用 Unicode 存放，区位分区的思路仍然出现在很多字符对照表与老式编码转换工具中。
中文显示错乱的排查步骤：从现象反推环节
显示错乱通常不是“字坏了”，而是读取时用错了规则。按下面的顺序走一遍，多数情况能定位到具体环节。
- 先看错乱形态。成片的问号通常意味着目标字符集里没有这个字；成片的方块多与字体缺失有关；一串毫不相干的汉字或拉丁字母，多半是编码方式被换掉了。
- 核对写入端声明的编码。检查文件保存选项、数据库连接参数、接口响应头里声明的字符集，确认写的一方用的是什么规则。
- 核对读取端使用的编码。读取方必须与写入端一致。两边都是 UTF-8 却显示错乱，就要继续往传输层查。
- 检查中间环节是否二次转换。网关、代理、导出工具都可能默认改写编码，形成一次转换、双重解码的局面。
- 用少量样本复现。挑一个汉字，逐环节打印它的字节，观察在哪一步字节序列发生变化。
- 修正后回归验证。把声明统一到同一字符集，重新读取并比对原文，确认前后完全一致再收尾。
两个最容易混淆的判断
字符集缺失与编码不一致是两回事。前者是“字库里根本没有这个字”，只能换字符集或改用兼容方案；后者是“字库里有这个字，但读取规则不同”，调整声明或做一次转码即可恢复。
无线传码中的字节切分与对照检查
当一段中文需要经无线信道发送时，字符先被编码成字节，再被切分成若干帧，逐帧送出。接收端按同样顺序拼回字节，再用相同的编码方式还原成文字。链路上任何一处对位错误，都会在屏幕上表现为错乱内容。
发送前的准备
- 确定双方共用的字符集与编码方式。
- 把整段文本转成字节序列，记录总长度。
- 按帧长度切分，必要时在帧头带上顺序信息。
接收端的还原
- 按顺序重组字节，先校验总长度是否吻合。
- 确认没有丢帧、重帧或错位拼接。
- 用约定编码把字节还原成文字，再与原文比对。
容易出现偏差的地方
- 变长编码被从中间切断，导致半个字符跨帧。
- 两端默认编码不同，一方按 GBK 发、另一方按 UTF-8 收。
- 控制字符被误当作普通数据显示出来。
稳妥的做法是把编码约定写在最前面，切分时以完整字符为界，并在每一批数据之外保留一次完整性核对。这样即使某一帧异常，也能快速判断是传输问题还是解码问题。
关于中文编码与区位分区的常见疑问
同一个汉字在不同编码里长度一定相同吗？
不一定。GBK 下一个常用汉字通常占两个字节，UTF-8 下通常占三个字节，个别生僻字会占到四个字节。长度不同是编码设计差异，不代表字符内容不同。
区位码和 Unicode 编号是一回事吗？
不是。区位码是 GB2312 内部的排布顺序，Unicode 是覆盖更大范围的统一编号体系。两者之间存在映射关系，但编号本身并不相同。
为什么同一段文字在一台设备正常、另一台错乱？
多数是两台设备默认使用的编码方式不同，或其中一台缺少对应字体。统一声明并确认字体可用，通常就能解决。
一区的符号可以直接按位置记忆吗？
可以。一区按类别成段排列，记住每一段的起点与位号跨度后，相邻符号就可以推算出来，这也是早期字符对照表好用的原因。
转码之后内容变少了怎么办？
说明目标字符集不包含原有的部分字符，转换过程丢弃了它们。应改用覆盖范围更大的字符集，或在转换前确认所有字符都有对应位置。