重音字符、UTF-8 与换行符

弄明白为什么重音字符有时会变成乱码，以及看不见的换行符里藏着什么。

7 分钟 · 3 题

机器根本不知道字母 A 是什么。它只会处理数字。所以要写出文本，大家必须先就一张对照表达成一致：数字 65 表示 A，66 表示 B，依此类推。这个约定就叫编码。最古老的一个是 ASCII，它可以追溯到 1960 年代，只覆盖了英文字母：没有 é，没有 ç，没有 ü，一个汉字也没有。

后来每个国家都发明了自己的对照表，混乱随之而来：一个法语文件用俄语的对照表打开，就成了一堆乱码。现代的解决方案叫 Unicode，一份统一的字符总表，给所有语言的每一个字符都分配了一个编号，emoji 也包括在内。而 UTF-8 则是把这些编号写进文件的标准方式。今天的规则很简单，而且没有例外：始终把你的文件保存为 UTF-8。

用 UTF-8 写入，按 UTF-8 读取    ->  Creme brulee（重音正常）
用 UTF-8 写入，按 Latin-1 读取  ->  Crème brûlée
用 Latin-1 写入，按 UTF-8 读取  ->  Cr?me br?l?e

第二个看不见的东西：换行符。当你按下回车时，文件里并不会画出一条线。被加进去的是一到两个看不见的字符，而在这件事上，各个系统同样从未达成一致。macOS 和 Linux 用一个字符，LF（line feed，换行），写作 \n。Windows 连用两个，CRLF（carriage return 回车，再加 line feed 换行），写作 \r\n。这直接来自打字机：当年需要两个分开的动作，先把字车推回去，再把纸卷下一行。

你在屏幕上看到的：

Hello
Hi there

文件里真正存着的：

macOS / Linux (LF)     Hello\nHi there
Windows (CRLF)         Hello\r\nHi there

知识检测

确认你已牢记本课的重点内容。

1. 当 é 显示成 é 时，发生了什么？
   • 读取文件用的编码和写入时用的不一样
   • 文件已经损坏，必须重新创建
   • 重音符号被系统删掉了
   • 字体缺失了
2. Windows 历史上使用哪种换行符？
   • CRLF
   • LF
   • 单独的 CR
3. 在代码编辑器里应该选哪些设置？
   • 编码用 UTF-8，换行符用 LF
   • 编码用 ASCII，换行符用 CRLF
   • 编码用 Latin-1，换行符用 CR