日常编码中，你是不是常见到乱码问题，那么乱码是怎么来的呢，今天虫虫就以Ruby为例来，说明字符编码、底层的字节码以及各种字符编码转化，最后说下怎么解决乱码问题。
我们以一个Ruby抛出的错误异常为开头，某年某月某日，你正用irb学习Ruby突然屏幕上抛出了一个异常：
Encoding::InvalidByteSequenceError: '\xFE' on UTF-8
或者 'they're'被显示为'they’re'。
所以，当出现编码错误，或者乱码时候，我们怎么排查问题出在哪里？如何解决它？
什么是编码？
如果你了解字符串以及编码之间的关系，其实这些问题很容易解决。
我们可以将字符串视为字节数组或数字：
2.1.4 :002 > 'chongchong!'.bytes
=> [99, 104, 111, 110, 103, 99, 104, 111, 110, 103, 33]
在这种编码中，99表示c，104表示h，…,33表示！。
当你使用英语中不常见的字符时,情况会变得更加复杂：
2.1.4 :007 > 'chongchong'.bytes
=> [240, 159, 166, 139, 99, 104, 111, 110, 103, 99, 104, 111, 110, 103]
现在很难判断哪个数字代表哪个字符了把。这个蝴蝶字符使用一组字节[240, 159, 166, 139]表示，而不是一个字节。但字节和符号之间会存在着一定的对应关系。这种定义字节和符号（字符串）之间的对应关系，我们叫编码。
不同编码转换
在不同编码环境下，一个字节可能呈现出不同的符号表现：
2.1.4 :021 > str = '虫虫，秊﨟蘒!'.encode('GBK');
2.1.4 :022 > str.encode('UTF-8')
=> '虫虫，秊﨟蘒!'
2.1.4 :027 > str.bytes
=> [179, 230, 179, 230, 163, 172, 253, 158, 254, 72, 254, 73, 33]
GBK的字串，我们看看在西文编码的ISO-8859-5下会是怎么显示呢？
str.force_encoding('ISO-8859-5'); str.encode('UTF-8')
2.1.4 :003 > str.force_encoding('ISO-8859-5'); str.encode('UTF-8')
=> 'ГцГцЃЌ§\u009EўHўI!'
2.1.4 :004 > str.bytes
=> [179, 230, 179, 230, 163, 172, 253, 158, 254, 72, 254, 73, 33]
我们可以看到，字节码没有变化，但是看起来乱码了。改变编码会改变字符的显示方式，但是不会改变字节码，不同的编码，有不同的字节码解析方式。
从GB2312到GBK，选择UTF8
另外我们需要注意的是，每一种编码的数量都有限量，有些编码数量少，会导致其他编码转过来会不支持，比如GBK是GB2312的扩展集合支持21886个字符，而GB2312只支持7445个字符。注意UTF8和UTF16是全字符集，支持所有编码的字符，这就是为什么建议大家写代码一定都用UTF8的原因，当然在Windows下微软屎一样的，坚持自己要带UTF8 BOM，还不能方便的转换，所以也很讨厌。
2.1.4 :005 > str.force_encoding('GB2312'); str.encode('UTF-8')
Encoding::InvalidByteSequenceError: '\xFD' followed by '\x9E' on GB2312
from (irb):5:in `encode'
from (irb):5
from /home/lz/.rvm/rubies/ruby-2.1.4/bin/irb:11:in `'
后面那三个字，在GB2312下没有编码，所以报错了。
我们将编码修改为GB18030，这是一种比GBK更大的中文字符集，显示就没问题了。
我们也可以给encode函数添加invalid和undef两个参数，这样当无法解释时候会用默认的？来代替，就不会报错了。
'chongchong，秊﨟蘒!'.encode('GB2312', invalid: :replace, undef: : replace)
=> 'chongchong\x{A3AC}???!'
我们常见的编码问题有两种现象，一种是编码不对，就是完全乱码，乱显示随机字符，还有一种就编码不足以解析字符集会有很多的？？的。
当你对字符转换编码时，很多时候，你不能获得足够的信息，你不知道究竟是哪一个被替换成了？但是你起码知道选的编码没有错，只不过不足以显示所有字符而已，你换一种字符集更多的编码就正常了。比如GB2312->GBK->GB18030
总结
在文章中，我们目前用到了三个字符串对象方法来帮我们处理编码问题：
ecode，将字符串转换为另一种编码（在新编码中将字符转换为相应字符）
bytes，它将显示组成字符串的字节码（整数数组）
force_encoding，强制将一种编码转换为一种编码，用这宗编码来重新解析内容。
其实上编码问题在各种语言都存在，这儿虫虫选择了Ruby中三个类方法来作为实例演示，其他语言中也有类似的方法和函数，比如：
golang中的golang.org/x/text/encoding/simplifiedchinese包。
python中的enode()和decode(),XX_name(XX为编码)方法。
Perl中encode包中也有enode()和decode()。
Java中有getBytes()，charset类有enode()和decode()方法。
