出于好奇，我在随机英文网页的编码菜单中选择了UTF-16，看看会发生什么（在Chrome上：工具 - ＆gt;编码 - ＆gt; Unicode（UTF-16LE）。我感兴趣的是我看到的所有mojibake都是汉字（和一些整体符号）。
从ASCII / UTF-8英语切换到UTF-16时，是否有任何统计原因可以看到汉字？是HTML标签中的随机非中文特殊字符吗？
答案 0 :(得分：3)
由于UTF-16中的最小单位是两个字节长，因此拉丁语等大多数“低”字符的第一个字节以NUL字节开头：00 xx。由于普通内容通常不包含NUL字节，因此在将随机字节序列解释为UTF-16时，几乎不可能触及拉丁字符。 UTF-8编码内容的大多数字节都位于较低的中间位置，例如46 6F。这恰好是许多亚洲语言在UTF-16中的地方，而且由于中文是一个巨大的障碍，你很可能会遇到它。
答案 1 :(得分：2)
大多数英文字符在[0x40-0x5a]十六进制范围内进行ASCII编码。如果您将UTF-8转码为UTF-16，那么您的大部分字符都会在[0x4040-0x5a5a]范围内，显然会映射到中文字符
答案 2 :(得分：0)
我同意Raul Andres的意见，只要您查看仅包含ASCII字符的ASCII或UTF-8为utf-16。但是，如果你的utf-8内容包含在utf-8中产生2字节，3字节或4字节序列的泰语，希伯来语或其他语言，你可能不会再查看中文字符了。