為什麼網頁會出現亂碼？一次搞懂 ASCII、UTF-8 與 Unicode 的愛恨情仇

你一定有過這種經驗：打開一個純文字檔，或是瀏覽某個年代久遠的網頁，結果看到的不是正常的中文，而是一堆像是「årw」或是「锟斤拷」之類的奇怪符號。 這時候你可能會想：「是不是檔案壞掉了？」還是「電腦中毒了？」 其實，這通常不是檔案壞了，而是電腦拿錯了「字典」來翻譯這些內容。這背後牽涉到電腦科學中最基礎，但也最容易造成災難的概念——字元編碼 (Character Encoding)。

電腦其實是個文盲

在電腦的眼中，根本沒有「A」、「B」、「C」或是「你」、「我」、「他」這些字。電腦只認識兩個東西：0 和 1。

當我們在鍵盤上打出一個字，電腦會把它轉換成一串數字存起來；當我們要閱讀時，電腦再把這串數字轉換回圖像顯示在螢幕上。這個「數字」與「文字」之間的對照表，就是我們所謂的編碼。

如果存檔的人用的是 A 對照表，而讀檔的人用的是 B 對照表，翻譯出來的結果就會牛頭不對馬嘴，這就是亂碼的真相。

遠古時代的字典：ASCII 在電腦剛發明的早期，主要的使用者都是講英文的（特別是美國）。因此他們制定了一套標準叫做 ASCII。 這套規則非常簡單，只用 1 個位元組（Byte）中的 7 個位元，就能表示 128 個符號。這包含了： 所有英文字母（大小寫） 數字 0-9 基本標點符號 例如，大寫字母 A 在 ASCII 裡的代碼是 65，小寫 a 是 97。這對英語系國家來說完美無缺，但對世界其他地方來說卻是個災難——因為表裡面根本沒有中文、日文或德文的位置！

萬國亂世：Big5 與 GBK 的戰爭

為了讓電腦能顯示中文，台灣和香港的工程師發明了 Big5 (大五碼)，而中國則發明了 GBK。

這些編碼通常使用 2 個位元組來代表一個中文字。 例如：「你」這個字，在 Big5 裡的代碼是 A741。 但麻煩來了：大家各做各的字典。 同樣的一串數字 A741，在 Big5 字典裡是「你」，但在另一種編碼字典裡，可能代表完全不同的字，甚至是無效的符號。這就是為什麼以前我們玩一些舊遊戲或開舊檔案時，常常需要「轉換語系」，否則文字就會變成一團混亂。

黑色菱形問號與「锟斤拷」是怎麼來的？ 你在網頁上最常看到的黑色菱形問號，它的正式名稱是 Replacement Character (替換字元)。 這通常發生在：你的瀏覽器使用現代的 UTF-8 編碼去解讀網頁，但遇到了一串它「無法識別」的數據（不符合 UTF-8 規則）。瀏覽器為了告訴你「這裡有東西我看無」，就會顯示「」來代替。 而另一個常見的亂碼「锟斤拷」，則是因為 UTF-8 編碼的檔案被錯誤地用 GBK 編碼開啟，經過一系列錯誤的轉換後所產生的經典亂碼。 救世主降臨：Unicode 與 UTF-8

為了結束這個混亂的局面，世界各地的科學家決定聯手建立一套包含地球上所有語言的「超級大字典」，這就是 Unicode (萬國碼)。

Unicode 為世界上的每一個字（包含 Emoji）都編了一個獨一無二的「身分證號碼」。不管你是哪一國人，U+6211 永遠代表「我」這個字。 有了 Unicode 這個超級字典後，我們還需要一個方法把它存進電腦裡，這時候 UTF-8 就登場了。 UTF-8 是一種聰明的儲存方式。

遇到英文，它只用 1 個 byte 存（跟 ASCII 一樣省空間）。 遇到中文，它通常用 3 個 byte 存。 遇到 Emoji，它用 4 個 byte 存。

給開發者的建議：擁抱 UTF-8

現在幾乎所有的現代系統（Linux, macOS, Windows 10+）、網頁技術、程式語言（Python 3, Go, Rust）都預設使用 UTF-8。 為了避免未來的麻煩，這裡有兩個小建議：

統一編碼：在寫程式、存 CSV 檔、設定資料庫時，永遠優先選擇 UTF-8（資料庫建議選 utf8mb4 以支援 Emoji）。

檢查編輯器：確認你的 VS Code 或 Notepad++ 右下角顯示的是 UTF-8，而不是 Big5 或 ANSI。

只要全世界都用同一本字典，溝通就不再會有障礙。下次再看到亂碼，你就知道這背後其實是一場「拿錯字典」的誤會囉！