编码转换

2026年阅读约 8 分钟入门教程

编码乱码

一文讲清URL编码、UTF-8、Unicode、HTML实体和乱码修复，附在线编码转换工具箱，中文乱码一次搞定。

乱码的根源：字节与字符的错位

计算机里只有字节（0-255 的数字），"字符"是人类约定俗成的显示规则。编码把字符变成字节，解码把字节还原成字符。一旦"编码用的字符集"和"解码用的字符集"不一致，就会出现乱码。

最常见的例子：UTF-8 编码的中文被当成 GBK 解码，就会出现"锟斤拷"；GBK 编码的内容被当成 UTF-8 解码，就会出现"æå¥½"这类拉丁扩展字符。理解了这一点，所有编码问题都有章可循。

提示：遇到乱码先问两个问题——这段字节 originally 是什么编码？现在被当作什么编码解码？两个答案一对照，修复路径就出来了。

URL 里只允许出现字母、数字和少数符号，中文、空格、特殊字符都必须转成 %XX 形式。例如"你好"的 UTF-8 编码是 6 个字节，URL 编码后变成 %E4%BD%A0%E5%A5%BD。

JavaScript 里有两个容易混淆的函数：encodeURI 保留 URL 结构字符（:/?#[]@ 等），适合编码完整网址；encodeURIComponent 编码得更彻底，适合编码参数值。空格在 query 里既可以是 %20 也可以是 +（表单提交惯例），解析时要两种都兼容。

注意：已经编码过的字符串不要再编一次，否则 %E4 会变成 %25E4（% 被二次编码），这是最常见的双重编码事故。

Unicode 给每个字符分配一个码点（如 U+4F60 是"你"），UTF-8 是码点的一种存储方案：常用汉字占 3 字节，Emoji 占 4 字节，英文占 1 字节，完全兼容 ASCII。

编程语言里的 \u4F60 是 Unicode 转义写法，\uD83D\uDE00 这种成对出现的叫代理对（surrogate pair），用于表示超出 BMP 的 Emoji 字符。前端处理用户昵称、特殊符号时，搞不清码点和代理对就会把 Emoji 切成两半。

在 Unicode 转码页输入任意字符，可以同时看到码点、UTF-8 字节序列和 \u 转义三种表示。

"锟斤拷"是 UTF-8 的替换字符（U+FFFD，显示为 �）被 GBK 二次解码的结果——原始字节解码失败被替换成 �（EF BF BD 三个字节），这三个字节在 GBK 里恰好是"锟斤拷"。看到锟斤拷，基本可以断定：原始数据是 UTF-8，某环节用 GBK 解码了。

乱码修复的思路是反向重放：把现在的乱码文本用"错误解码"的字符集编回字节，再用"正确编码"重新解码。本站乱码修复页内置了 UTF-8↔GBK 双向重放，粘贴乱码一键尝试多种组合。

提示：Windows 老系统默认 GBK，Mac/Linux 默认 UTF-8，跨系统传 CSV、SQL 文件最容易出乱码。拿不准时先在编码检测页探测一下文件真实编码。

防止 XSS 的基本功也是实体转义：用户输入渲染进 HTML 前，至少转义 < > & " ' 五个字符。在 HTML 实体转义页可以双向互转，也支持把整段富文本转成安全的转义版本。

编码工具箱共 6 个子页，按场景对号入座：

编码工具箱 6 个子页全覆盖，在线免费使用。