"乱码"几乎是每个写过代码的人都遇到过的问题，根源往往就在 ASCII、Unicode、UTF-8 这三个概念被混为一谈。它们其实处在完全不同的层次上，理清关系之后，乱码从哪来、怎么避免就一目了然。
ASCII（American Standard Code for Information Interchange）是最早的字符编码标准，用 7 位二进制数（0-127）表示英文字母、数字和常用符号，外加一些控制字符（换行、回车等）。它的局限很明显：只覆盖英语世界的字符，中文、日文、俄文字母、emoji 等完全没有涵盖，这也是为什么后来需要 Unicode 这样能容纳全世界字符的标准。
Unicode 的目标是给几乎所有人类使用过的文字系统（包括汉字、各种字母、符号、emoji）都分配一个唯一的编号，叫"码点"（Code Point），写作 U+XXXX 的形式，比如"中"字的码点是 U+4E2D。
关键点在于：Unicode 只是一套"字符→编号"的映射表，它本身并不规定这些编号该怎么存储成计算机能处理的字节序列——这正是 UTF-8、UTF-16、UTF-32 这些"编码方式"要解决的问题。
UTF-8 是目前互联网上最主流的 Unicode 编码方式，它是一种变长编码，用 1 到 4 个字节表示一个码点：
| 码点范围 | 字节数 | 首字节模式 |
|---|---|---|
| U+0000 ~ U+007F | 1 字节 | 0xxxxxxx（和 ASCII 完全一致） |
| U+0080 ~ U+07FF | 2 字节 | 110xxxxx 10xxxxxx |
| U+0800 ~ U+FFFF | 3 字节 | 1110xxxx 10xxxxxx 10xxxxxx（大部分汉字在这个区间） |
| U+10000 ~ U+10FFFF | 4 字节 | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx（emoji 等） |
UTF-8 完全兼容 ASCII——码点 0-127 在 UTF-8 下就是单字节，和 ASCII 编码的字节完全相同，这也是 UTF-8 能被广泛采纳的重要原因：老系统按 ASCII 处理英文内容不会出任何问题。首字节的高位模式（比如 110、1110）明确标识了这个字符总共占几个字节，解码器一眼就能判断字符边界。
除了 UTF-8，还有 UTF-16（定长与变长混合，2 或 4 字节，Windows 和 Java 内部常用）和 UTF-32（固定 4 字节，实现简单但浪费空间，用得较少）。三者编码的都是同一套 Unicode 码点，只是字节层面的表示方式不同。
"乱码"归根结底是编码和解码用的规则不一致：一段文本用 UTF-8 编码存成字节，如果打开时被误判成用 GBK（中国大陆早期常用的中文编码，和 UTF-8 完全不兼容）去解码，字节和字符的对应关系就全乱了，显示出来的自然是一堆看不懂的符号。这也是为什么处理文本时，"这段字节是用什么编码方式产生的"和"打开时按什么编码方式解码"必须严格对应——文件、网页、数据库如果没有明确声明编码（比如 HTML 里的 <meta charset="utf-8">），接收方就只能猜，猜错了就是乱码。
在线工具：ASCII编码解码 · UTF-8编码解码 · Unicode编码解码