编码识别器 使用指南

输入 GBK 字节 「C4E3BAC3」 → 识别为 GBK，解码得“你好”（而非 UTF-8 的乱码）。

核心功能

• 对乱码文本推测原始编码
• 粘贴异常文本即可得到候选编码与置信度
• 用于排查 GBK / UTF-8 混用导致的乱码
• 纯本地推断，文本不上传

适用场景

• 拿到一段不知编码的文本（GBK/UTF-8/Big5）时推断其字符集。
• 处理乱码文件：导入 CSV 前先探测编码，确认是 UTF-8、GBK 还是带 BOM 的 UTF-8，再按正确编码读取，避免整表出现问号或错字。

使用步骤

1. 把出现乱码的文本原样粘贴进输入框
2. 点识别查看候选编码与置信度
3. 按最高置信度的编码重新解码文本，确认是否恢复正常
4. 若候选里同时有 GBK 与 UTF-8，优先试 GBK——常见乱码多源于此
5. 原文越短推断越不准，尽量粘贴完整片段

实用技巧

• 短文本可能误判，建议结合语言与来源综合判断
• 处理乱码文件：导入 CSV 前先探测编码，确认是 UTF-8、GBK 还是带 BOM 的 UTF-8，再按正确编码读取，避免整表出现问号或错字。

常见问题

识别一定准吗？

短文本可能误判，建议结合语言与来源综合判断。

为什么有时判断不准？

因为短文本信息量不足：GBK 与 Big5 的字节区间大面积重叠，纯 ASCII 内容在几乎所有编码下都合法，UTF-8 与 Latin-1 也无 BOM 可区分。工具只能给出概率最高的猜测，可靠做法是结合语言先验（中文优先 GBK/UTF-8）与业务来源，或直接要求数据方声明编码。