明星乱码“锟斤拷”

锟斤拷，是一串经常在搜索引擎页面和其他网站上看到的乱码字符。乱码源于GBK字符集和Unicode字符集之间的转换问题。

示例

“锟届瀿锟斤拷雮傡锟斤拷直锟斤拷锟”、“锟斤拷锟斤拷之锟斤拷锟窖э拷锟 ”……

上面这些字句是毫无实际意义的，但它们却形象地表达出了一些莫名其妙的问题。这是一个很经典的乱码，最容易出现的地方就是搜索引擎。

例如这个招聘就非常经典^[1] ：

单位性质：外商独资企业所属行业：线缆

单位规模：100 - 499人注册资金：1299万

联系人：锟斤拷锟斤拷联系人职位：锟斤拷锟斤拷

传　真：xxx-xxxxxxxx 联系电话：

电子信箱：xxxx_xxx@xxxxxx.xxx

通信地址：

邮　编：

单位网址：

单位介绍：台锟斤拷锟斤拷业锟斤拷台锟斤拷锟斤拷锟侥碉拷f锟斤拷锟斤拷锟斤拷锟?锟斤拷锟斤拷/锟斤拷锟斤拷

招聘职位：锟斤拷锟斤拷人数：20人

发布日期：2007-07-17

联系人：锟斤拷锟斤拷

原因

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Internet Explorer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，一个汉字2个字节，最终的结果就是：锟斤拷——锟(0xEFBF)，斤（0xBDEF），拷（0xBFBD）^[1] 。

Python代码：

1.>>>u'\uFFFD'.encode('utf-8')*2
2.'\xef\xbf\xbd\xef\xbf\xbd'
3.>>>
4.>>>printu'\uFFFD'.encode('utf-8')*2

输出结果：“锟斤拷”。

出现

2011年2月2日零时出现，百度推出搜“红包”，每一次搜索都有惊喜活动，锟斤拷乱码就出现了。

2012年8月31日又出现。通过IE内核的浏览器搜索网页，无论点开什么贴吧的超链接都会进入锟斤拷锟斤拷锟斤拷吧。抓包查看发现原因可能是百度bug。

2012年12月27日，神一样的锟斤拷再度出现。在百度新闻首页的太原市地陷新闻图片中锟斤拷重复出现。

2013年6月11日零时11分，百度新闻：神舟十号11日17时38分发射三位航天员公布链接指向神奇的“锟斤拷锟斤拷锟”，零时51分，恢复正常。

2014年2月13日，使用Google Chrome、Firefox等搜索“李毅”、“dota2”等词条，点击贴吧相关链接，会自动跳转到锟斤拷吧。

2014年8月，打开百度浏览器的贴吧助手，贴吧名字显示乱码，无论点开什么贴吧，都会直接跳转到锟斤拷吧。

来源：http://baike.baidu.com/view/2638658.htm

双11云服务器热购推广(腾讯云)：2核+4G内存+3M带宽=688元/3年(仅限新用户)

除非注明，文章均为草根java原创，转载请注明本文地址： https://www.caogenjava.com/detail/42.html

上一篇：程序员的常见健康问题下一篇：并非所有Win7/8.1都能免费升级到Win10

昵称：
评论：
验证码：	刷新验证码