订阅
0有用+1
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组合，乱码源于字符编码转换问题。当Unicode字符无法正确表示时，会使用替换字符U+FFFD(�)来代替 [1] [4] [7-9]。该字符的UTF-8编码为0xEFBFBD [4] [6] [9]。当该字节序列被错误地按照GBK编码解读时，GBK编码系统会将这些字节两两组合，分别对应"锟"、"斤"、"拷"三个汉字，从而显示出"锟斤拷" [4-6] [9-10] [13]。相关的乱码变体还包括"烫烫烫"、"屯屯屯"。"烫烫烫"产生自Visual C++的Debug模式，未初始化的栈内存被填充为0xCC，在GBK编码中对应汉字"烫" [1] [5]。"锟斤拷"最初在程序员间流传，通过技术论坛、博客传播，成为中文互联网的特色文化现象 [5]。
-
- 中文名
- 锟斤拷
- 所属学科
- 计算机
-
- 属 性
- 乱码字符
- 原 因
- 字符集之间的转换错误
- 出现领域
- 互联网
基本含义
播报编辑
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 [7-8]。当Unicode字符集中某些字符无法被正确表示时，会使用一个特殊的占位符字符U+FFFD（REPLACEMENT CHARACTER）来代替。这个占位符在UTF-8编码中对应的字节是0xEFBFBD。当这个字节序列重复出现并被错误地按照GBK编码解读时，就会显示出"锟斤拷"这样的乱码 [4]。
原因
播报编辑
发生以上情况时，无法显示的时候也需要有一个字符来表示的，在Unicode中，这个字符就是 ，他也是Unicode中定义的一个特殊字符。也就是"0xFFFD REPLACEMENT CHARACTER"，所有无法表示的字符都会通过这个字符来表示。 [1]
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"，它就是新老编码系统转换中出现的。
锟斤拷
在Visual Studio中的Debug模式下，如果声明一个变量，但是没有初始化，微软会给未初始化的内存赋值为0xCC。给未初始化的内存赋0xCC是有原因的，0xCC其实是INT3中断指令，所以如果在Debug模式下试图去执行这块未初始化的内存的话就会中断程序。
如果是用分配堆的内存，会初始化成0xCD，0xCDCD在MBCS字符集中就是屯。
锟斤拷则涉及unicode的字符集转换问题，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。U+FFFD的UTF-8编码是0xEFBFBD，如果重复多次形成：EFBFBDEFBFBDEFBFBD 。
锟斤拷
Python3代码：
print((u'\uFFFD'.encode('utf-8')*2).decode('gbk'))
输出结果："锟斤拷"。
产生机制
播报编辑
"锟斤拷"乱码的产生源于特定的编码转换过程，当文本从UTF-8编码转换为GBK编码时，如果遇到无法在GBK中表示的字符，系统会使用Unicode中的替换字符U+FFFD（�）来代替。这个替换字符在UTF-8编码下对应的字节序列为0xEF 0xBF 0xBD [4] [6]。当GBK编码系统读取这个UTF-8编码的字节序列时，由于GBK使用两个字节表示一个汉字，它会将连续的三个字节0xEF、0xBF、0xBD两两组合进行解读。这三个字节两两组合后，恰好分别对应GBK字符集中的三个汉字："锟"(0xEFBF)、"斤"(0xBDEF)和"拷"(0xBFBD) [3-4] [9]。要产生完整的"锟斤拷"字符串，至少需要两个连续的替换字符�，其UTF-8编码为0xEFBFBDEFBFBD，这样在GBK解码时才能形成完整的三个汉字组合 [6] [10]。通过代码可以直观展示这一过程，例如在Java中将包含两个�字符的字符串从UTF-8编码转换为GBK编码，输出结果即为"锟斤拷" [6] [13]。
示例
播报编辑
"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：
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
历史背景与文化现象
播报编辑
在1990年代到2000年代初，中文互联网正处于编码标准的"战国时代"，如GB2312、GBK、BIG5、UTF-8并存，开发者面临着巨大的兼容性挑战 [5]。
"锟斤拷"的走红轨迹最初只在程序员间流传，通过技术论坛、博客传播，成为中文互联网的特色文化现象，甚至有商家将其注册为商标 [5]。
现实案例分析显示，某电商网站在促销期间部分商品价格显示为"锟斤拷"，导致用户无法正常下单；某政府部门的官方网站政策文件打开后出现大量"锟斤拷"，引发公众质疑 [5]。
"锟斤拷"现象是技术发展的见证者，也是程序员的共同记忆 [5]。
相关乱码
播报编辑
除了锟斤拷以外，还有两组比较经典的乱码，分别是"烫烫烫"和"屯屯屯"，这两个乱码产生自VC，这是debug模式下VC对内存的初始化操作。VC会把栈中新分配的内存初始化为0xcc，而把堆中新分配的内存初始化为0xcd。把0xcc和0xcd按照字符打印出来，就是烫和屯了。 [1]此外，还有'锘锘锘'等乱码变体，其产生原理也类似。这些乱码现象虽然表现形式不同，但根源都指向同一个问题——字符编码处理不当。 [5]
预防与解决
播报编辑
对于开发者，统一使用UTF-8编码并明确声明，在必须进行编码转换时确保准确性 [4-5]。出现'锟斤拷'时，说明在字节和字符的转换过程中使用了不同的编码，应修改成使用同一种编码方式 [12]。预防口诀为"源码、库、表、连接、终端，一律UTF-8不迷路" [4]。
对于普通用户，使用现代浏览器并在出现乱码时尝试切换编码 [5]。
