1. Введение
想象你是国际峰会上的外交官：每个人说不同的语言、用不同的书写系统。要互相理解就需要一个通用的翻译器——一套共同的规则把符号对应起来。在计算机里，这个角色就是编码。
计算机只懂一种“语言”——0 和 1 的序列。0 和 1 是它的“字母表”。所有信息都以字节形式存储和传输。一个字节是 8 位（例如，01000001）。
那我们如何把我们的字母和符号和字节联系起来呢？计算机如何知道字母 «А» 不是随便一串 0/1，而是在屏幕上显示的那个符号？
Кодировка
编码就是一套规则（对应表），定义了每个字符（字母、数字、标点、汉字、表情）如何被转换成字节序列，以及这些字节如何被解释回字符。
类比一下摩尔斯电码：你把文本翻成点和划，传输过去，接收方按同样的规则还原字符。在计算机里“字节 ↔ 字符”的约定就是编码。
2. Зачем же нам нужна эта головная боль с кодировками?
- 在人人和机器之间翻译：没有编码，文本只是字节；有了编码，字节才有意义，变成可读的字符。
- 通用性和兼容性：不同程序和操作系统需要就规则“达成协议”。如果一个文件声明是 UTF-8，那么读取时也应该用 UTF-8。
- 支持多种语言和符号：西里尔、阿拉伯文、汉字、数学符号、表情——字符集越广，编码就越复杂、越灵活。
3. ASCII – «первобытная» кодировка
最老也最基础的编码之一是 ASCII（American Standard Code for Information Interchange）。它用 7 位表示一个字符，也就是可以表示 128 个不同的符号：拉丁字母（A-Z, a-z）、数字（0-9）、标点和控制码（比如换行、制表）。
| 字符 | 十进制代码 (ASCII) | 二进制代码（7 位） |
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 空格 | |
|
历史上第八位经常用于奇偶校验位，后来人们开始在“扩展” ASCII 时使用它——于是出现了针对不同语言区域的单字节编码，这就导致了混乱。
如果你写下 "Hello"，在磁盘上大概就是这样（每个字符 1 字节；对 7 位 ASCII 来说最高位为 0）：
H (01001000) e (01100101) l (01101100) l (01101100) o (01101111)很简单。但俄语字母或汉字在哪儿？在 ASCII 里没有——它是个“单语言字典”，只适合最基本的拉丁集合。
4. «Кракозябры» — почему кодировка это не шутки
有时打开文件会看到像 Привет 这样的东西而不是 «Привет》。这就是所谓的“кракозябры”（或 Mojibake
假设你把 «Привет, мир!» 保存为 Windows-1251，在该编码中 «Привет» 的字节可能是这样的（简化表示）：
- П → 207
- р → 240
- и → 232
- в → 226
- е → 229
- т → 242
然后你的同事用一个期望 ISO-8859-1（Latin-1） 的编辑器打开文件，或者你用了不带显式编码的 StreamReader，实际使用的编码和文件不匹配。结果：字节 207 被当成另一张表里的字符来解释——文本就被“搞坏”了。
| 原始符号（Windows-1251） | 字节表示（示例） | 按 ISO-8859-1 读取时的字符 |
|---|---|---|
| П | |
Ç |
| р | |
à |
| и | |
è |
| в | |
â |
| е | |
å |
| т | |
ò |
所以我们会得到 Çàèâåò 而不是 «Привет». 如果在目标编码里根本没有对应字符，你会看到方块或问号。
从实践角度的主要结论是：读写文本时一定要显式指定编码，尤其是当数据来源不受你控制时。在 .NET 里可以通过在 StreamReader/StreamWriter 中指定合适的 Encoding（比如 UTF-8 或 Encoding.GetEncoding("windows-1251")）来做到这一点。这能帮助避免“кракозябры”，并确保不同系统之间的数据交换正确。
在接下来的讲座里，我们会学会如何在处理文件和流时自信地选择和指定编码，让你的代码具有通用性、国际化和可靠性。
GO TO FULL VERSION