“�”“?”乱码能恢复吗？如何补全缺失的文字，以及如何判断无法恢复的乱码

“�”是代替无法读取的字节而显示的符号

“�”是 Unicode 中的 U+FFFD（替换字符），软件无法把字节读成文字时，就用它来代替显示。遇到不符合编码规则的字节序列时，软件会把读不了的地方换成“�”，然后继续往下读。

最常见的情况是把 UTF-8 的日语用 Shift_JIS 打开。UTF-8 的平假名和汉字每个字占 3 字节，而 Shift_JIS 按 2 字节一组来读，于是分界不断错位。错位后变成 Shift_JIS 中不存在的字节组合，或者最后多出 1 个字节，这些地方就成了“�”。日语的“文字化 + ke”（乱码）会变成“譁�ｭ怜喧縺�”，“会议 no 资料”（会议资料）会变成“莨夊ｭｰ縺ｮ雉�侭”。

夹杂“�”也能推测补全的原理

UTF-8 有固定的形式：由首字节决定这个字符有几个字节，后续字节都在 80～BF 的范围内。把乱码反向追溯，就能知道缺了几个字节、缺在哪里，比如“这个字符的 3 个字节里缺了第 2 个”。还可以把候选范围缩小到用 Shift_JIS 读取时确实会变成“�”的字节。

乱码还原·解读工具的补全方式，就是把剩下的候选逐一代入，选出构成自然日语（常用汉字和平假名）的结果。实际试验的结果如下。含平假名的结果用罗马字和中文说明表示。

如最后一例所示，句末的 1 个字前后线索较少，有可能猜错。补全的文字会以黄色显示，点击就能换成其他候选，不符合上下文的请重新选择。文本越长，线索越多，也就越容易猜中。

如何判断无法恢复的乱码

只有乱码的大部分还保留着原来的字节，才能推测补全。下面这些情况，原来的信息已经丢失，无法恢复。

• 像“?????”这样全是“?”：转换编码并保存时，无法表示的字符被替换成了“?”，原字符的信息已不复存在
• 像“������”这样全是“�”：常见于用 EUC-JP 读取 Shift_JIS 或 UTF-8 的文本。几乎所有字节都变成“�”，什么也没留下
• 像“�e�X�g”这样英文字母和“�”交替出现：2 个字节中的第 1 个字节丢失，只剩第 2 个（这个例子原本是日语片假名的“测试”）
• 像“譁·ｭ怜喧縺·”这样夹杂中点：Excel 等软件用中点代替“�”显示，并直接保存或复制下来。它和真正的中点无法区分，所以往往补不回来

工具无法恢复的文字会用符号“〓”标示。“〓”很多时，就不要再指望从乱码恢复了，取得原始文件或邮件，用正确的编码重新打开才是可靠的办法。

两次乱码与“�”

把已经乱码的文本保存后，再用其他编码读取，就会变成两次乱码。例如，把 UTF-8 用 Shift_JIS 读取得到的“譁�ｭ怜喧縺�”保存为 UTF-8，再用 Latin-1 读取，就会变成“è­ï¿½ï½­æ€œå–§ç¸ºï¿½”。

“�”是把“�”保存为 UTF-8 的字节（EF BF BD）用 Latin-1 读取的结果，是两次乱码的标志。工具也会穷举尝试两次乱码的组合，所以这个例子也能恢复到“文字化 + ta”，再从候选中重新选择最后 1 个字，就能还原成原文。不过，乱码三次以上，或者中途被替换成“?”的文本，可能无法恢复。

避免乱码恶化的注意事项

1. 1

   不要在乱码状态下覆盖保存

   保存显示为乱码的文件，“�”处原来的字节就会丢失。发现后请不保存直接关闭，再指定编码重新打开。

2. 2

   保留原始文件或邮件

   转换或修改前，先复制一份原始文件。只要有原件，不必从乱码推测也能可靠地恢复。

3. 3

   连同“�”原样粘贴

   把乱码粘贴到工具时，不要删除“�”，也不要只摘取能读的部分。“�”的位置正是补全的线索。

是哪种编码搞错造成的乱码，可以在乱码类型速查表中确认。如果是 CSV 在 Excel 中打开后乱码，按CSV 用 Excel 打开乱码怎么办的步骤重新打开，不必推测“�”就能看到原来的文字。

常见问题

乱码中的“�”是什么？

它是 Unicode 的 U+FFFD（替换字符），显示在软件无法把字节读成文字的地方。用错误的编码打开文件时，不符合规则的字节序列会被替换成“�”。

夹杂“�”的乱码能恢复吗？

如果是把 UTF-8 用 Shift_JIS 打开产生的“�”，多数情况下可以推测补全，因为每个字符大约只缺 1 个字节，而且根据 UTF-8 的规则可以缩小候选范围。不过句末等线索较少的地方可能猜错。

变成“?”的文字能恢复吗？

不能。转换编码并保存时，无法表示的字符被替换成了“?”，原字符的信息已不复存在。如果有原始文件，请用正确的编码重新打开。

“�”这种乱码是什么？

它是把“�”保存为 UTF-8 的字节（EF BF BD）用 Latin-1（Windows-1252）读取的结果，表示已经乱码的文本又乱码了一次（两次乱码）。反向追溯两次有时可以恢复。