修复文本和 CSV 编码

为什么特殊字符会变成乱码

如果文件中本该是带重音的字母、撇号、货币符号或中文的地方，显示成了两三个奇怪的符号，说明它是用错误的字符编码读取的。文本以字节形式存储，而编码就是把字节转换成文字的规则。现代系统使用 UTF-8。较老的 Windows 程序，尤其是 Excel，经常用 Windows-1252 这样的地区编码来保存和读取文本。用一种方式写入的文件被用另一种方式读取时，所有纯 ASCII 以外的字符都会出错。数据并没有丢失，只是被用错误的规则解码了。

两种不同的问题，两种修复方法

文件使用的是旧编码。从老旧 Windows 工具导出的 CSV 以 Windows-1252 或 ISO-8859-1 编码保存。需要 UTF-8 的工具会显示问号或替换字符。修复方法：告诉这个工具原始编码，它会把文件重新保存为 UTF-8，所有程序都能正确读取。

文件被重复编码，也就是所谓的“mojibake”。有人把 UTF-8 文件当作 Windows-1252 读取，然后又保存了一次，于是原本正确的字节各自被重新编码成了两三个错误的字符。每个带重音的字母前面都冒出一个带波浪号的大写 A，这种经典现象就是这么来的。修复方法：修复选项会把这些字符重新编码回字节，再按 UTF-8 正确解码，从而撤销这个错误。

自动识别

原始编码设为自动时，工具会先尝试以严格的 UTF-8 读取文件。如果失败，就改用 Windows-1252。如果读取成功，但文本中出现了重复编码的典型特征，就会自动进行修复。大多数情况下这样就够了；只有在自动结果看起来仍然不对时，才需要手动设置编码。

BOM 选项

Windows 版 Excel 打开 CSV 时仍然默认使用地区编码，除非文件以字节顺序标记开头。文件要回到 Excel 中使用时，请开启 BOM；如果用于数据库、编程工具和大多数网页导入功能，请保持关闭，因为其中一些会把这个标记当作第一列列名的一部分。

修复后的效果

输出是一个 UTF-8 文本文件，文件名和内容都不变，只是编码正确了。它适用于 CSV、TXT 和任何其他纯文本文件。整个过程不上传任何内容，修复在你的浏览器中完成。更多说明请阅读 CSV 在 Excel 中显示乱码怎么办。