文本文件、二进制文件和乱码

文本文件和二进制文件的区别

你是否遇到过这种情景：当你编译完一个c文件之后，你发现有个地方仍需进行小修改，于是你使用vim重新打开.c源文件，但是不幸的是，你一不小心忘记在文件名上加上.c。于是结果你用vim打开了刚刚编译好的二进制文件，当然里面都是一堆你完全看不懂的乱码，但是你很好奇，为什么它是乱码，它不应该是充满了0和1么?

回答这个问题之前，首先来想一下另一个问题：

How does text editor work?

本质上来说，不管是vim也好，emacs也罢，甚至是Windows上的记事本，他们都是文本编辑器。而文本编辑器最大的特点就是能显示和编辑字符。

回头来看一下我们的.c源文件，仔细想一下，本来源文件中的内容应该就是字符对应的ascii码(假如你的编辑器支持unicode的话，就是对应的unicode码)，也就是说我们看到的内容是“文本编辑器想让我们看到的”，技术原理上来说就是vim将字符码转码变成了我们看到的内容。所以文件的真实内容其实是(计算机视角):

0x69 0x6e 0x74 0x20 0x6e 0x3b ...
# 上面这段转码之后变成int n;
# 实际上没有0x这个符号也没有空格，但是为了可读性在此加上

那么前面的问题就简单了。既然文本编辑器是无情的转码工具，那么使用vim打开的二进制文件内容就是将01转化为了相应的ascii/utf-8，而在二进制中最常出现的字符^@的utf-8编码就是000。

乱码

所以归根到底，很多乱码问题实际上都是由于对内容进行了错误的转码。比如在Windows早期(Windows 7以前)，记事本的编码格式默认是gbk，所以如果是utf-8书写的内容，用记事本打开一定会乱码，这个时候就千万不能保存，否则就是将乱码内容进行错误的编码再写入，相当于原本内容直接变成垃圾信息。

这里推荐去看一下这个科普视频，可以加深理解