ASP.NET乱码深度剖析

写在前面

在Web开发中，乱码应该算一个常客了。今天还好好的一个页面，第二天过来打开一看，中文字符全变“外星文”了。有时为了解决这样的问题，需要花上很长的时间去调试，直至抓狂，笔者也曾经历过这样的时期。有时虽然是“侥幸”解决了，但对其中的原理却一知半解。

为了弄清楚这个问题，今天查了大半天的资料、测试。现把这些点滴记录下来，以激励自己重视基础，同时和大家分享一下，望大家不吝批评指正。

预备知识

先介绍一些字符编码方面的基本知识，如果你对这些已经比较了解了，请直接跳过此节。

1.       字符集与字符编码概述

简单来说，字符集就是与特定区域相关的一系列有效字符的有序集合，比如字母、数字、标点符号等。注意关键字“有序”，表明集合中的每一个字符都是具有唯一数字编号（码值）的。不同国家使用的语言文字、符号不一样，相应的字符集必定也不一样。比如中国使用汉字，美国使用英语，韩国使用韩文，等等。

字符集是为了信息交互而设计的，最终还是要转化成计算机的表示法。我们知道，计算机只认识0和1，它对字符集符号不感冒。所以，我们必须想办法把字符转化为0和1的序列。我们知道，计算机最小的存储单位是位（bit），程序中一般使用的最小单位是字节（byte）。为了把字符存储到计算机中，我们就要考虑用几个byte几个bit，考虑每一个bit上是0还是1，考虑存储和读取效率，并且必须兼顾整个字符集，这就是字符编码。

一句话，字符集只关心字符的定义，而字符编码负责字符的存储和读取细节。用三层模式来打比喻的话，字符集是模型层，而字符编码是业务层。注意：一般常说的GB2312、GBK等其实同时包含了这两方面的定义

2.       常用中文字符编码简介

GB2312

GB2312的全称是《信息交换用汉字编码字符集-基本集》,由国家标准总局于1980发布，1981年5月1日施行，中国大陆、新加坡使用此编码。基本集收录了6763个汉字，只能显示简体汉字。

GBK

1995颁布，全称是《汉字编码扩展规范》。在GB2312的其他上，增加了繁体汉字，支持ISO/IEC 10646-1 和GB-13000-1的全部中、日、韩（CJK）字符，共20902个。向下兼容GB2312。

GB18030

全称是《信息交换用汉字编码字符集基本集的扩充》，目前两个版本，分别于2000年和20005年颁布。该字符集收录了70000多个汉字，包括了藏、蒙古、维吾文等少数民族字符，是我国计算机系统必须遵循的基础性标准之一。向下兼容GBK和GB2312。

BIG5

台湾和港台地区使用的汉字编码，俗称“大五码”，共收录了13060个汉字。

UTF-8

这是目前使用最多的一种Unicode编码，是Visual Studio内置的编码，相信大家一定都不陌生。根据字符码值的不同，可能用1、2、3个字节表示。

注意，编码之间一般都不是兼容的。其它编码在此不作介绍，若想进一步了解字符编码，请看我收藏的一篇文章：http://blog.csdn.net/tomysea/article/details/6712344

3.       字符串、字符数组和字节数组

C#中的字符串(string)和字符(char)其实都是对象，他们有相应的类String和Char，string和char只是这两个类的一别名而已，内部都是采用Unicode码值表示。请注意我说的是码值，不是编码。

我们已经知道，Unicode的字符大多是多字节表示的，那么一个char就得用几个byte来表示。这里我要说的重点是，使用不同的编码表示字符串，其对应的byte可能是不一样的。请看下面的代码，注意输出字节数部分。UTF-8编码的字节数是22，而GB2312编码的字节数是16。

string title = "2012真的来了吗？";      //字符串 

char[] chars = title.ToCharArray();     //字符数组 

byte[] bytes = System.Text.Encoding.UTF8.GetBytes(title); 

Response.Write(chars.Length + " ");     //10  （字符数） 

Response.Write(