你打出”你好”两个字，计算机存储的是什么？是一串数字。字符和数字之间的映射关系，就是”字符编码”。ASCII 是一切字符编码的起点，而乱码问题——每个中文开发者都踩过的坑——几乎都源于对编码的理解不清晰。

在线 ASCII 转换工具 →

ASCII 是什么？

ASCII（美国信息交换标准代码）发布于 1963 年，用 7 位二进制数（0–127）表示 128 个字符，涵盖：

  • 英文大小写字母（A–Z, a–z）
  • 阿拉伯数字（0–9）
  • 常见标点符号
  • 控制字符（换行、制表符、退格等）

ASCII 只有 128 个字符，完全不含任何非拉丁文字。这就是为什么中文需要另外的编码标准。

ASCII 编码表速查

控制字符（0–31）

这些字符不可打印，用于控制设备行为：

十进制缩写含义
0NUL空字符（C 语言字符串结尾）
9HT水平制表符 \t
10LF换行 \n（Unix/Linux/macOS 行尾）
13CR回车 \r
27ESC转义（终端控制序列起始）

Windows 系统的行尾是 CRLF（\r\n，即 13+10），Unix/macOS 只用 LF（\n，10）。这是跨平台文本文件中最常见的兼容性问题之一。

可打印字符（32–126）关键值

记住这几个数字，能帮你快速看懂代码中的字符比较逻辑：

字符十进制十六进制
空格320x20
0480x30
9570x39
A650x41
Z900x5A
a970x61
z1220x7A

两个规律很实用：

  1. 大小写字母相差 32：'a' - 'A' = 32，这就是为什么很多代码用 XOR ^ 32 来切换大小写。
  2. 数字字符减 48 得整数值：'5' - 48 = 5，ASCII 数字到整数的转换原理。

ASCII、Unicode 与 UTF-8 的关系

这三个概念经常被混淆，理清楚它们对排查编码问题至关重要。

ASCII 是一个 7 位编码，128 个字符，仅覆盖英文。

Unicode 是一个字符集标准，给世界上所有语言的所有字符各分配一个唯一编号（码位，Code Point），写作 U+XXXX。例如”中”的 Unicode 码位是 U+4E2D，“A”是 U+0041。Unicode 本身不规定字节存储方式，它只是一张”字符↔编号”的对照表。

UTF-8 是 Unicode 的一种变长字节编码方案：

  • U+0000 到 U+007F（即 ASCII 范围）：1 字节，与 ASCII 完全相同
  • U+0080 到 U+07FF：2 字节
  • U+0800 到 U+FFFF（含大部分中文）：3 字节
  • U+10000 以上（emoji 等）：4 字节

关键结论：UTF-8 是 ASCII 的超集。纯 ASCII 文本在 UTF-8 下字节完全相同，这也是 UTF-8 能在互联网上统一所有编码的原因。

ASCII 与中文编码的关系

ASCII 不包含汉字，中文字符编码经历了以下演变：

GB2312 / GBK / GB18030

GB2312（1981年）是第一个中文字符集标准，收录 6763 个汉字，用 2 字节表示每个汉字。

GBK（1993年）是 GB2312 的扩展，收录 21003 个汉字，同样兼容 ASCII（ASCII 字符仍为 1 字节）。Windows 简体中文系统的默认编码就是 GBK（代码页 936）。

GB18030（2000年，2022年最新版）是国家强制标准，收录所有 Unicode 字符，用 1/2/4 字节变长编码。

乱码的根源

乱码几乎总是由于发送方和接收方使用了不同的编码解释同一段字节。

常见场景 1：GBK 当 UTF-8 读

“你好”用 GBK 编码是 C4 E3 BA C3（4 字节）。如果用 UTF-8 解码这 4 个字节，会得到无法识别的乱码——因为这些字节序列在 UTF-8 中不合法或对应不同字符。

常见场景 2：UTF-8 当 GBK 读

“你好”用 UTF-8 编码是 E4 BD A0 E5 A5 BD（6 字节）。如果用 GBK 解码，每 2 字节被识别为一个 GBK 汉字，输出”浣犲ソ”这样的乱码。

常见场景 3：Windows 记事本 BOM 问题

Windows 记事本保存 UTF-8 文件时默认添加 BOM（字节顺序标记）：EF BB BF。很多 Linux 程序不认识 BOM，导致文件开头出现乱字符。用 VS Code 或 IDEA 另存为”UTF-8 without BOM”即可解决。

用代码操作 ASCII

Python

# 字符转 ASCII 码
ord('A')    # 65
ord('a')    # 97
ord(' ')    # 32

# ASCII 码转字符
chr(65)     # 'A'
chr(97)     # 'a'

# 字符串转 ASCII 码列表
[ord(c) for c in 'Hello']  # [72, 101, 108, 108, 111]

# 检查是否为纯 ASCII
'Hello'.isascii()   # True
'你好'.isascii()    # False

# Python 3 默认字符串为 Unicode
# 显式编解码
'你好'.encode('utf-8')      # b'\xe4\xbd\xa0\xe5\xa5\xbd'
'你好'.encode('gbk')        # b'\xc4\xe3\xba\xc3'

# 排查乱码：指定正确编码
b'\xc4\xe3\xba\xc3'.decode('gbk')    # '你好'
b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode('utf-8')  # '你好'

JavaScript

// 字符转 Unicode 码位
'A'.charCodeAt(0);   // 65
'你'.charCodeAt(0);  // 20320 (Unicode 码位，不是 UTF-8 字节)

// 码位转字符
String.fromCharCode(65);     // 'A'
String.fromCharCode(20320);  // '你'

// ES6+ codePointAt（支持 emoji 等 4 字节字符）
'😀'.codePointAt(0);         // 128512
String.fromCodePoint(128512); // '😀'

// 字符串转 ASCII/Unicode 码数组
function toCodeArray(str) {
  return [...str].map(c => c.codePointAt(0));
}
toCodeArray('Hello');  // [72, 101, 108, 108, 111]
toCodeArray('你好');   // [20320, 22909]

Java

// 字符转 ASCII/Unicode 码
char c = 'A';
int code = (int) c;  // 65

// 整数转字符
char ch = (char) 65;  // 'A'

// 字符串按 UTF-8 编码为字节
byte[] utf8Bytes = "你好".getBytes(StandardCharsets.UTF_8);
// [E4, BD, A0, E5, A5, BD]

// 字节按 GBK 解码
byte[] gbkBytes = {(byte)0xC4, (byte)0xE3, (byte)0xBA, (byte)0xC3};
String str = new String(gbkBytes, "GBK");  // "你好"

乱码排查思路

遇到乱码，按以下步骤排查：

  1. 确认原始字节 — 用 hex dump 查看文件或网络数据的原始字节
  2. 猜测编码 — 中文环境常见：UTF-8、GBK、GB18030；老系统可能是 GB2312
  3. 尝试解码 — Python b'...'.decode('gbk') 或 b'...'.decode('utf-8')
  4. 定位不一致点 — 找到发送方和接收方编码声明不一致的地方
  5. 统一为 UTF-8 — 长期解决方案：全链路统一使用 UTF-8

一个简单的 Python 排查脚本：

def detect_encoding(data: bytes):
    for encoding in ['utf-8', 'gbk', 'gb18030', 'latin-1']:
        try:
            text = data.decode(encoding)
            print(f"{encoding}: {text[:50]}")
        except UnicodeDecodeError:
            print(f"{encoding}: 解码失败")

# 用法
with open('mystery.txt', 'rb') as f:
    detect_encoding(f.read())

在线 ASCII 转换

ZeroTool ASCII 转换工具 支持文本与 ASCII 码（十进制、十六进制、二进制）之间的即时互转，并提供完整字符表供查阅。在浏览器本地运行，不上传任何数据。

立即使用 ASCII 转换工具 →