为何用UTF-16编码打开UTF-8文件在gedit中出现可读中文？

嘿，这个现象背后其实是编码解析规则不匹配导致的，我给你一步步拆解清楚：

• 原始文件的编码基础：你用gedit保存的文本默认是UTF-8编码。UTF-8是变长编码，像英文、数字这类ASCII字符每个只占1个字节；而中文这类非ASCII字符在UTF-8里占3个字节。
• UTF-16的解析规则：UTF-16是固定以2个字节为一个单元来解析字符（除了极少数需要4字节的代理对字符）。当你强制选择UTF-16打开文件时，gedit会把原本的UTF-8字节流，从头到尾每2个字节拼成一组，当作一个Unicode字符来解码。
• 可读中文的来源：举个具体例子，比如你输入的"L"（字节是0x4C）和"o"（字节是0x6F），按UTF-16解析时会被组合成0x6F4C，这个Unicode码对应的字符就是中文的“沐”——这就是你看到的可读中文的由来！原本连续的ASCII单字节被两两拼接，刚好凑出了存在的中文字符。
• 乱码的原因：而那些无法显示的随机字符，要么是拼接后的字节组合对应了Unicode里的不可显示控制字符，要么是形成了无效的UTF-16编码（比如单独的代理区字符），系统没法识别，就显示成了乱码方块或者奇怪符号。

简单来说，就是用错了解码规则，把原本的字节序列强行按另一种编码的方式重新组合，结果拼出了完全不符合原意的字符，其中刚好有部分组合命中了可显示的中文字符。

内容的提问来源于stack exchange，提问作者Henry Sanger