%E3%81%82、\u3042、\343 的读法：URL、JSON、Git 中日语变成编码的原因

编码不是乱码，而是“日语的一种写法”

乱码是搞错字符编码、读成了别的字符的状态。而 %E3%81%82、\u3042 则是为了在只能用英文数字的地方写日语，特意替换成英文数字的结果。只要知道写法的规则，就能一个字不少地还原成日语。

大致可分为两类：写“字符的编号（Unicode 码位）”的方式，和写“字符的字节（用 UTF-8 等保存时的数字）”的方式。平假名“a”的 Unicode 编号是 U+3042（十进制 12354），UTF-8 字节是 E3 81 82。记住这两组数字，就能很快看出是哪种写法。

9 种写法速查表

表中的示例都放进乱码还原·解读工具的“读取转义”确认过。Base64 的示例还原成日语的“乱码”一词，其他还原成“文字”（Punycode 还原成“日本語.jp”）。文本中混有多种写法时，工具也会逐一找出并读取。

URL 中的 %E3%81%82：复制日语 URL 时

URL 只能使用英文数字和部分符号，所以日语的 UTF-8 字节要用“%”加两位十六进制数来表示。一个日语字符在 UTF-8 中是 3 个字节，所以 3 个 %XX 对应 1 个字符。4 个字符的日语单词“乱码”会写成“%E6%96%87%E5%AD%97%E5%8C%96%E3%81%91”，共 36 个字符。

• 即使浏览器地址栏显示日语，复制到聊天或邮件时也会变成 %XX 的形式
• 以 %E3 开头的多为平假名和片假名，以 %E4～%E9 开头的多为汉字
• 如果 %82、%83 很多，看起来 2 个 %XX 对应 1 个字符，可能是用 Shift_JIS 写的旧 URL
• “+”有时表示空格（如搜索表单发送的 URL）

把 URL 发给别人时，保持 %XX 的形式更可靠。还原成日语的 URL，在某些应用中链接可能会中途断开。

JSON 中的 \u3042、Git 中的 \343、Python 中的 \xe3

在编程中，日语常常不直接输出，而是写成转义形式。下面每种情况都可以通过显示设置变回日语。

• JSON 的 \u3042：用 4 位十六进制数写 Unicode 编号。Python 输出 JSON 时加上 ensure_ascii=False，就能直接输出日语。表情符号写成一对，如“🍣”（🍣）
• Git 的 \343\201\202：git status 等把日语文件名用八进制显示。设置 git config --global core.quotepath false 后就会显示日语
• Python 的 \xe3\x81\x82：直接显示 bytes 类型。用 .decode('utf-8') 转成字符串就是日语
• HTML 的 あ、あ：用十进制或十六进制写 Unicode 编号。浏览器显示为平假名“a”，但以文本形式查看源码或 RSS 时，看到的就是编码

以 xn-- 开头的是国际化域名

“日本語.jp”这样的日语域名，因 DNS 的机制需要转换成英文数字来处理。这种转换方式就是 Punycode，转换后带有“xn--”。“xn--wgv71a119e.jp”就是“日本語.jp”。

为了防止利用外观相似字符的仿冒，浏览器有时会特意用 xn-- 的形式显示日语域名。对于陌生 xn-- 域名发来的邮件或链接，最好还原后确认域名是否真的正确。

如果夹杂的不是编码，而是“縺”“ã”这样真正的乱码，请在乱码类型速查表中确认类型。邮件主题中的 =?UTF-8?B?…?= 也属于这一类，详见邮件主题乱码的原因与解决方法。

常见问题

如何把 URL 中的 %E3%81%82 还原成日语？

把 % 后面的两位十六进制数作为 1 个字节收集起来，按 UTF-8 读取。%E3%81%82 是平假名“a”。日语是 3 个 %XX 对应 1 个字符。粘贴到乱码还原·解读工具的“读取转义”，就能一次还原。

JSON 中的 \u3042 是什么？

它是用 4 位十六进制数写 Unicode 编号的 Unicode 转义，\u3042 是平假名“a”。JSON 常用这种设置输出日语。表情符号用一对表示 1 个字符，如 🍣。

Git 把日语文件名显示成 \343\201\202 这样，怎么回事？

Git 把日语文件名的 UTF-8 字节用八进制显示了。设置 git config --global core.quotepath false 后，git status 等就会直接显示日语。

以 xn-- 开头的 URL 危险吗？

xn-- 表示把日语等国际化域名转换成了英文数字，它本身并不危险。不过它也可能被用于利用外观相似字符的仿冒，还原后确认域名会比较放心。