乱码类型速查表：从縺、ã、‚、ƒ、$B 判断搞错了哪种编码

乱码是“保存时的编码”和“读取时的编码”不一致

电脑里的文字都以数字（字节）序列的形式保存。用哪个数字表示哪个字符的规则就是字符编码，日语常用的有 UTF-8、Shift_JIS、EUC-JP、JIS（ISO-2022-JP）四种。例如平假名“a”，在 UTF-8 中是 E3 81 82 三个字节，在 Shift_JIS 中是 82 A0 两个字节。

乱码发生在用另一种编码的规则读取按某种编码保存的字节的时候。字节本身没有损坏，只是读法错了。因此大多数情况下，用“错读时的编码”把文字变回字节，再用“本来的编码”重新读取，就能还原成原文。

最常见的 7 种乱码速查表

下表是用乱码还原·解读工具实际生成乱码的结果。如果左栏的“标志字符”大量出现，就要怀疑是该行的错读。示例词是日语问候语“konnichiwa”（你好）。

再看其他词语：日语的“日本語”按 UTF-8→Latin-1 变成“日本語”，按 Shift_JIS→Latin-1 变成““ú–{Œê”；片假名的“测试”一词按 Shift_JIS→Latin-1 变成“ƒeƒXƒg”；“東京都”按 UTF-8→Shift_JIS 变成“譚ｱ莠ｬ驛ｽ”；日语的“乱码”一词按 EUC-JP→Latin-1 变成“ʸ»ú²½¤±”。

“縺”“繧”“譁”：UTF-8 用 Shift_JIS 打开

这是最常见的乱码。把 UTF-8 保存的 CSV 直接用 Excel 打开，用旧版 Windows 软件或记事本打开，或者把 UTF-8 数据导入以 Shift_JIS 为前提的业务系统时，就会发生。

• 平假名多的文本满屏“縺”（大部分平假名在 UTF-8 中以 E3 81 或 E3 82 开头，用 Shift_JIS 读取就分别成了“縺”“繧”）
• 片假名多的文本“繝”很显眼（大部分片假名以 E3 83 开头）
• 汉字变成“譁”“莨”“螻”等平时见不到的汉字
• UTF-8 每个字 3 字节，Shift_JIS 按 2 字节划分，分界错位的地方就成了“�”或中点

夹杂“�”是这种乱码的特点，如“譁�ｭ怜喧縺�”（日语的“乱码”一词）。“�”处丢失了 1 个原始字节，但根据 UTF-8 的规则可以知道缺了几个字节、缺在哪里，所以工具会推测出构成自然日语的文字来补全。详情请参阅“�”“?”乱码能恢复吗？。

“㔓攓‚”“ƒ”：用面向其他市场的软件打开

全部变成带重音的字母和符号，是因为用西欧编码（Latin-1，准确地说是 Windows-1252）读取了日语。国外的邮件软件和 CMS、数据库编码设置不一致的 WordPress、英文版软件都容易出现这种情况。

• 以“ã”开头的字符很多→UTF-8 的平假名和片假名（首字节 E3）。“攓唓䔓蔓锓ç”是 UTF-8 的汉字（首字节 E4～E9）
• “—很显眼→UTF-8 的符号（“…”““”“–”等首字节为 E2 的字符）
• “‚”很多→Shift_JIS 的平假名（首字节 82）。“ƒ”是片假名（首字节 83）
• “¤”“¥”很多→EUC-JP 的平假名（首字节 A4）和片假名（首字节 A5）

Latin-1 为 256 种字节中的几乎全部分配了字符，所以原始字节原样保留，这种乱码容易恢复。不过，Windows-1252 中没有分配字符的几个字节（81、8D、8F、90、9D）会变成看不见的控制字符，复制时可能丢失。“ã“ã‚“ã«ã¡ã¯”其实在“ã”和““”之间也有一个看不见的字符。丢失的地方由工具算出位置后补全。

“､”“$B”：旧服务器和邮件的编码

半角的“､”“ｳ”“ﾋ”等交替排列，是把 EUC-JP 文本用 Shift_JIS 读取的结果。EUC-JP 过去用于 Linux、UNIX 服务器、论坛和旧式 Perl CGI。打开老网站的日志或邮件存档时可能遇到。

像“$BJ8;z2=$1(B”这样被“$B”和“(B”包围的英文数字，是 JIS（ISO-2022-JP）文本丢失了作为切换信号的 ESC（控制字符）。日语邮件曾用这种编码发送，所以把旧邮件迁移到其他软件，或者当作文本复制时就会出现。把“$B”和“(B”之间每 2 个字符一组来读，就能还原。邮件主题的乱码已整理在邮件主题乱码的原因与解决方法中。

知道乱码类型后，如何恢复

1. 1

   有原始文件的话，重新打开最可靠

   如果只是显示乱码，在编辑器或浏览器中指定编码重新打开就能恢复。在乱码状态下覆盖保存，“�”处的信息就会丢失，无法再恢复，所以要在保存前发现问题。

2. 2

   手边只有乱码文本的话，粘贴后还原

   只有邮件正文或屏幕复制的内容时，把它粘贴到乱码还原·解读工具。工具会穷举 7 种错读和两次乱码（例如 UTF-8→Shift_JIS 的乱码又被 Latin-1 读取），并把能读成日语的结果排在前面。

3. 3

   确认推测补全的文字

   从“�”推测补全的文字以黄色显示。文本较短时可能猜错，不符合上下文的文字请点击，换成其他候选。

CSV 用 Excel 打开时的乱码，可以按CSV 用 Excel 打开乱码怎么办的步骤，重新保存成下次不会乱码的形式。“%E3%81%82”“\u3042”这样的字符串并不是乱码，只是编码后的文字被直接显示出来，请参阅%E3、\u3042、\343 的读法。

常见问题

满屏“縺”“繧”的乱码是什么原因？

原因是把 UTF-8 保存的日语当作 Shift_JIS 打开了。UTF-8 的平假名大多以 E3 81 或 E3 82 开头，Shift_JIS 会把它们读成“縺”“繧”。用 UTF-8 重新打开，或把乱码重新按 UTF-8 读取，就能恢复。

一串“㔓—的乱码是什么？

这是把 UTF-8 的日语或符号按 Latin-1（Windows-1252）显示时的乱码。由国外软件或数据库编码设置不一致引起。原始字节几乎原样保留，所以大多能恢复。

所有乱码都能恢复吗？

只要乱码中还保留着原始字节就能恢复。UTF-8→Shift_JIS、UTF-8→Latin-1、Shift_JIS→Latin-1、EUC-JP→Shift_JIS、丢失 ESC 的 JIS 等都可以恢复。而按 EUC-JP 读取后全成了“�”的文本，或替换成“?”后保存的文本，则无法恢复。

在乱码状态下保存了，还能恢复吗？

即使保存成了乱码，只要字符本身还在，反向追溯也可能恢复。但保存时已被替换成“�”或“?”的字符，那些地方的信息已经丢失。