CSV、TXT 中文乱码怎么修：GBK、Big5、UTF-8 BOM 与编码检测

CSV 或 TXT 打开后出现“锟斤拷”、é、问号方框或 �，通常不是缺字体，而是程序用错了字符编码。最危险的操作，是在乱码状态下直接保存：一旦错误字符覆盖了原始字节，后面再换编码也未必能恢复。

文件编码检测与 UTF-8 转换工具会直接读取文件字节，检查 BOM、严格验证 UTF-8，并给出 GB18030/GBK、Big5、Shift_JIS、EUC-KR、Windows-1252 等候选。你可以逐个切换查看预览，再导出 UTF-8、UTF-8 BOM 或 UTF-16。整个过程在浏览器本地完成。

扩展名不能说明编码

.csv 只说明数据按分隔符组织，.txt 只说明它是文本，.srt、.xml、.html 也各自描述文件用途。它们都可能使用 UTF-8、GBK、Big5、UTF-16 或其他编码。

同一段“商品名称”，在 UTF-8 和 GBK 中对应的字节不同。程序必须先知道使用哪套规则，才能把字节还原成 Unicode 字符。编码选错，字节没有变，屏幕上的字却完全不同。

BOM 能解决什么，不能解决什么

BOM 是文件开头的识别字节。UTF-8 BOM 是 EF BB BF，UTF-16 小端通常是 FF FE，大端是 FE FF。有 BOM 时，检测编码相对可靠。

UTF-8 并不要求 BOM，网页和程序源码通常不用。某些 Windows 桌面软件，特别是直接双击打开 CSV 时，会借助 BOM 判断 UTF-8；因此面向 Excel 的中文 CSV 常导出为 UTF-8 BOM。

BOM 不是万能修复。原文件如果是 GBK，加上 UTF-8 BOM 不会自动转换正文；必须先按 GBK 正确解码，再把 Unicode 文字重新编码成 UTF-8。

GBK、GB18030、Big5 有什么关系

GB2312 是较早的简体中文字符集，GBK 扩展了更多汉字，GB18030 覆盖范围更大，并成为更现代的国家标准。浏览器的 gb18030 解码通常也能读取大量 GBK、GB2312 文件。

Big5 主要用于繁体中文旧系统。相同字节按 GBK 或 Big5 解码时，有时都会得到“看起来像汉字”的结果，只是内容错误。这也是自动检测无法保证 100% 的原因。

日文 Shift_JIS、韩文 EUC-KR 和西文 Windows-1252 也有类似情况。文件越短、数字和 ASCII 越多，越难只凭统计判断来源。

为什么出现 � 后要立刻停下来

� 是 Unicode 替换字符 U+FFFD。它表示解码器遇到无法按当前规则解释的字节。看到少量替换符，不应该继续“差不多能看就行”，因为姓名、SKU、地址或金额附近可能已经损坏。

先切换来源编码候选，观察替换符是否消失，再检查专有名词、生僻字、引号、货币符号和标点。如果所有候选都不正常，文件可能被截断、混合了多种编码，或者之前已经在乱码状态下保存。

Excel 打开 CSV 乱码的稳妥办法

直接双击 CSV，Excel 可能按 Windows 区域设置猜编码。简体中文系统常把无 BOM 文件当作本地代码页，UTF-8 中文因此显示乱码；其他地区的 Excel 又可能表现不同。

优先尝试两种方法：

1. 把文件正确解码后导出为 UTF-8 BOM；
2. 在 Excel 中使用“数据 → 从文本/CSV”导入，并明确选择 UTF-8 和分隔符。

第二种更可控，因为还可以检查逗号、制表符、引号、日期和数字列。无论哪种方式，都先用副本测试，不要覆盖来源系统导出的原 CSV。

如果还要转成工作簿，可以先修复编码，再使用 CSV / JSON 转 Excel 工具生成 XLSX。手机号、订单号和前导零字段仍要单独抽查，编码正确不等于 Excel 类型推断一定正确。

UTF-8、UTF-8 BOM 和 UTF-16 应该怎样选

网站、接口、数据库导入和跨平台文本通常优先 UTF-8。目标软件明确不接受 BOM 时选普通 UTF-8；主要给 Windows Excel 直接打开的 CSV，可以选 UTF-8 BOM。

UTF-16 常见于部分 Windows、字幕、旧式办公或专业软件，分小端和大端，通常带 BOM。它不是“比 UTF-8 更高级”，文件体积和兼容性也不同。只有目标系统明确要求时才导出 UTF-16。

把 Unicode 再写回 GBK 或 Big5 会丢掉编码范围之外的字符，例如部分生僻字、Emoji 和其他语言。迁移旧系统时，长期方案通常是升级到 UTF-8，而不是不断在旧编码之间来回转换。

一套不会破坏原文件的流程

保留原文件并复制一份工作副本。直接上传原始字节，不要先在乱码编辑器中另存。查看 BOM 和自动候选，逐个切换来源编码，至少抽查标题、首尾几行、中文专名、数字、引号和特殊符号。

预览正确后选择目标编码与换行格式，下载为新文件名。再用真正接收文件的软件打开，核对行数、列数和关键字段。出现 �、空字节或异常控制字符时，不要进入正式导入。

需要检查 BOM、零宽字符和不可见控制符时，可以继续使用 隐藏字符检查工具。如果是字幕乱码，还要在编码修复后用 SRT / VTT 字幕转换工具检查时间轴和格式。

总结

乱码修复的关键不是“替换奇怪字符”，而是保住原始字节，找到正确来源编码，再重新写成目标 Unicode 编码。BOM 可以帮助识别，却不能代替正文转换；自动检测能缩小范围，却不能替代语言和业务抽查。先预览、另存、再用目标软件验证，远比在 Excel 或编辑器里反复试开安全。