編碼識別器 使用指南

輸入 GBK 位元組 「C4E3BAC3」 → 識別為 GBK，解碼得“你好”（而非 UTF-8 的亂碼）。

核心功能

• 對亂碼文本推測原始編碼
• 貼上異常文本即可得到候選編碼與置信度
• 用於排查 GBK / UTF-8 混用導致的亂碼
• 純本地推斷，文本不上傳

適用場景

• 拿到一段不知編碼的文本（GBK/UTF-8/Big5）時推斷其字元集。
• 處理亂碼檔案：匯入 CSV 前先探測編碼，確認是 UTF-8、GBK 還是帶 BOM 的 UTF-8，再按正確編碼讀取，避免整表出現問號或錯字。

使用步驟

1. 把出現亂碼的文本原樣貼上進輸入框
2. 點識別檢視候選編碼與置信度
3. 按最高置信度的編碼重新解碼文本，確認是否恢復正常
4. 若候選裡同時有 GBK 與 UTF-8，優先試 GBK——常見亂碼多源於此
5. 原文越短推斷越不準，儘量貼上完整片段

實用技巧

• 短文本可能誤判，建議結合語言與來源綜合判斷
• 處理亂碼檔案：匯入 CSV 前先探測編碼，確認是 UTF-8、GBK 還是帶 BOM 的 UTF-8，再按正確編碼讀取，避免整表出現問號或錯字。

常見問題

識別一定準嗎？

短文本可能誤判，建議結合語言與來源綜合判斷。

為什麼有時判斷不準？

因為短文本資訊量不足：GBK 與 Big5 的位元組區間大面積重疊，純 ASCII 內容在幾乎所有編碼下都合法，UTF-8 與 Latin-1 也無 BOM 可區分。工具只能給出機率最高的猜測，可靠做法是結合語言先驗（中文優先 GBK/UTF-8）與業務來源，或直接要求資料方宣告編碼。