中文亂碼

中文亂碼是中文系統的一種現象，這在過去未有一套統一的中文內碼標準時，情況尤其嚴重。而隨着互聯網的普及，兩岸之間或世界各地用戶交流之際，亂碼現象亦都會去了解因為各方使用的內碼不同而產生相衝的現象。

萬碼奔騰的年代

在過去，由於繁體中文使用者缺乏一個具有號召力的內碼標準，不同使用者都會使用各自的標準。比較普遍的是銀行由於主要使用IBM的商業電腦，很自然地亦選擇了IBM5550作為其內碼標準。這些用5550內碼的文件，一旦下載到微機上，若要轉寄與其他人使用，就要透過轉碼換成Big5，其他人才可以閱讀。

另一方面，在會計界有不少人都直接使用外國的專門軟體，而為免衝碼問題使畫面凌亂，不少的IT部門都把公司電腦的內碼換成倚天碼。本來會計人員過去只是把計算結果列印而提交報告，並未有任何問題。到後來隨着電子表格的興起，用戶才發覺到當公司與外界使用的內碼不同，會引起不少問題，才開始有人正視這問題。

中文Big5碼被誤認為EASCII

歐洲生產的某些電腦並無法辨識Big5雙位元字碼的中文字元，相反的，他會把位於00到7F間的字碼視為ASCII，而80到FF間的字碼則視為EASCII，例如：

中文字	維		基		百		科		中		文		大		五		碼
Big5碼的高位/低位位元	BA	FB	B0	F2	A6	CA	AC	EC	A4	A4	A4	E5	A4	6A	A4	AD	BD	58
對應的ASCII/EASCII字元	º	û	°	ò	¦	Ê	¬	ì	¤	¤	¤	å	¤	j	¤		½	X

也因此，中文字串「維基百科中文大五碼」會顯示為亂碼「ºû°ò¦Ê¬ì¤¤¤å¤j¤ ½X」。

UTF-8与Big5的相互转换

隨著UTF-8的普及化，許多繁體中文的IRC頻道也逐漸從Big5轉變成UTF-8；然而在這種過渡時期中，仍然有不少IRC頻道是採用Big5的，所以使用者參與了新的頻道時，通常會想要先確定自己的字元編碼有沒有設錯，人們最常用的測試字眼不外乎：

編碼	內容
UTF-8	中文	測試	導航
Big5	銝剜��	皜祈岫	撠舘⏛

嚙踝蕭

当一段大五码文本被错误地以UTF-8解码再编码再以大五码解码，由于在被以UTF-8解码时的无效字符被以Unicode的“未识别字符（U+FFFD）”作为内码记录，而那替代字符的UTF-8编码的十六进制为“EF BF BD”。当那替代字符因为按UTF-8解码会出现大比例的无效字符而令其大片大片地出现，进而在被UTF-8再编码再以大五码解码后读码框取到UTF-8替代字符的编码的第一个字节和第二个字节的十六进制“EF BF”解码得到“嚙”字，接下来的读码框横跨两个UTF-8替代字符取到第一个UTF-8替代字符的第三个字节和第二个UTF-8替代字符的第一个字节的十六进制“BD EF”解码得到“踝”字，再接下来的读码框取到第二个UTF-8替代字符的第二个字节和第三个字节的十六进制“BF BD”解码得到“蕭”字，连起来就是“嚙踝蕭”。这样的情况反复出现就令其中出现大量“嚙踝蕭”字样。并且由于在被以UTF-8解码时所出现的各种无效字符与有效字符的各种组合，再以大五码解码后其中会有许多不是出现在“嚙踝蕭”子序列中的“嚙”、“蕭”字样。

另外其他编码的非UTF-8文本或非文本二进制数据被错误地以UTF-8解码再编码再以大五码解码也会如上产生嚙踝蕭乱码，然而由于原字节序列的特征会部分地传递至以UTF-8解码后所产生的中间阶段乱码，这样因此由这些方式产生的乱码跟大五码文本被错误地以UTF-8解码再编码再以大五码解码所产生的乱码便具有不同的特征。

简体中文编码体系与Unicode及UTF-8的相互转换

在Unicode编码与简体中文编码系统（例如GB2312、GBK、GB18030、CP936）转换时，部分简体中文编码的文字在Unicode编码中并不存在，Unicode会以“未识别字符（U+FFFD）”作为内码记录，而对外以UTF-8表现为“0xEF0xBF0xBD”，当多个“0xEF0xBF0xBD”连续出现，而且以简体中文编码去解释的话，就会被解析为多个“锟斤拷”。（锟(0xEFBF)、斤（0xBDEF）、拷（0xBFBD））

產生的問題

過往，亂碼所產生的問題，往往只是閱讀上的不方便，因為文字變成了亂碼，使用戶看不到文字的內容。然而，現時由於電腦軟件保安設計的問題，亂碼隨時可能會使應用程式不正常關閉。

參看

亂碼