字符集錯誤轉換導致的問題
UTF-8格式編碼的字節流，按GBK字符集轉換為字符串，會出現亂碼，這很正常。但將其重新轉為字節流，再用UTF-8字符集轉為字符串，還是亂碼。這就讓我產生了疑惑，雖然使用錯誤的字符集必然導致亂碼，但字節的信息並沒有改變，因此再轉為字節流，用正確的字符集解碼，應該得到正常的字符串。但事實是，被錯誤字符集轉換過的字符串，無法恢復到原來的字符集。
問題的根本原因
造成該問題的根源是字節發生了變化。GBK或UTF-8遇到無法解析的字符時，會使用特殊的字符代替，因此造成原有字節信息的丟失，無法恢復。
錯誤轉換的分析
UTF-8 → GBK
對於一串UTF-8編碼的字節流，使用GBK進行解碼。連續兩個大於127的字節被認為是一個GBK編碼的字符；若只讀到一個大於127的字節，便發生錯誤，無法解析。此時，用字符'？'代替錯誤字節，ASCII碼是63。
以“樊”字為例，UTF-8編碼使用三個字節表示該字符，字節碼為[11100110, 10101000, 10001010]（[e6, a8, 8a]）。使用GBK解碼時，讀到第一個字節大於127，則取兩個字節解析為一個GBK字符。前兩個字節e6 8a被解析為GBK字符——妯。 第三個字節無法解析，所以賦值為？，最后的結果是 妯?。
可以看出，最后一個字節的信息丟失了，由8a變成3F，即使把結果再轉換為字節流，也無法用utf-8字符集正確解析了。
GBK → UTF-8
對於一串GBK編碼的字節流，使用UTF-8解碼。UTF-8對於字節的格式有嚴格要求，當解析某個字符失敗時，使用'�'（UTF-8編碼為EF BF BD）代替。
繼續以“樊”字為例，其GBK字節碼為[10110111, 10101110]（[B7, AE]）。使用UTF-8解碼時，根據規則，要求10開頭的字節之前，必須有字節標識一個字符的長度，所以兩個字節都無法解析。最后的字符串是��。
可以看出，所有的字節信息都丟失了，因此無法再使用GBK解析該字符串。
注意，UTF-8用�替換，是以字符為單位的。例如[11100110, 10101000, 01000001]使用UTF-8解碼，得到的結果是�A，而不是��A。根據第一個字節的格式，UTF-8期望將三個字節轉換為一個字符。但最后一個字節不符合要求，所以前兩個字節被一個�代替。而不是每個字節都被�代替。