这个工具做什么
UTF-8 和 GBK 是两套不同的字符编码。UTF-8 按 Unicode 码点组织字节,ASCII 占 1 个字节,常见汉字占 3 个字节,emoji 占 4 个字节;GBK 是中文环境里长期使用的双字节编码,一个汉字通常占 2 个字节,ASCII 仍占 1 个字节。同一个「你」字,在 UTF-8 里是 e4 bd a0,在 GBK 里是 c4 e3。把一段文本从一种编码换到另一种,本质上是重新排列字节,而不是改变文字内容。
浏览器的编码能力并不对称:它提供 GBK 解码器,可以把 GBK 字节读成文字,却没有提供 GBK 编码器,不能直接把文字写成 GBK 字节。因此本页的两个方向采用不同策略。GBK → UTF-8 直接用浏览器解码器读取字节;UTF-8 → GBK 则在首次使用时,用浏览器的 GBK 解码器反向枚举双字节组合,构建一张「字符 → GBK 字节」的码表,再逐字查表输出。这样不需要外部码表文件,也不会静默产出错误字节。
所有计算都在当前标签页内完成,码表只缓存在页面内存中,不写入本地存储,刷新页面后会重新构建。
怎么用
先选择方向。如果手里是 GBK 原始字节,建议选「GBK → UTF-8」,并保持「十六进制字节」输入口径:把形如 c4 e3 ba c3 的内容粘贴进来即可,空格、逗号、冒号、0x 与 \x 前缀都会被清洗掉,剩下的必须是偶数个十六进制数字。输出是 UTF-8 文本,可以直接复制到现代编辑器或程序里。
- 「乱码文本」口径用于另一类材料:你手里是一串看起来像西欧字母的乱码,例如
ÄãºÃ,它其实是 GBK 字节被按 latin1 视角保存下来的结果。这个口径会把每个字符的码位当作一个字节(只接受 0x00 到 0xFF),再按 GBK 解码。 - 如果「乱码文本」输入里出现码位大于 0xFF 的字符,例如中文、emoji 或任何真正的多字节字符,工具会直接报错,并建议改用十六进制输入。它不做任何猜测,因为此时原始字节已经丢失。
- 「UTF-8 → GBK」方向第一次执行时会显示「正在构建 GBK 码表…」和百分比。构建约 2.4 万次小解码,按每批 1000 个组合分片执行,界面不会长时间卡住。完成后码表在本页内存中复用。
- 「载入示例」会按当前方向与输入口径填入内容;「复制结果」复制右侧文本或十六进制;「清空」只清输入与结果。
如果页面提示当前浏览器不支持 GBK 解码,两个方向都会被禁用。这通常出现在极少数精简浏览器或非主流内核中,换用 Chrome、Edge 或较新的 Safari 即可。
结果怎么解读
GBK → UTF-8 的结果是可读文本。状态栏会给出输入字符数、还原出的字节数与输出字符数。如果输出里出现替换字符 U+FFFD,状态栏会明确提示数量,并说明这些字节可能不是合法 GBK。替换字符意味着解码器无法识别某个字节或字节组合,它不能代表原始信息,只能作为「这里有问题」的信号。
UTF-8 → GBK 的结果是空格分隔的十六进制字节,例如「心仪」输出 D0 C4 D2 C7。每两个十六进制数字是一个字节,字节数就是这段文本在 GBK 里实际占用的长度。ASCII 字母、数字和常见标点按单字节输出,汉字、全角标点按双字节输出。输出统一使用大写十六进制,方便与协议文档和调试工具对照。
如果某个字符不在码表里,工具不会输出半成品,也不会用问号代替。它会取消整次转换,在结果区下方列出最多前 20 个无法转换的字符,并说明这些字符不在 GBK 码表内。遇到这种情况,通常说明文本包含 GBK 不支持的内容,例如 emoji、部分生僻字、其他语言的字母或特殊符号。
统计中的「字节」是清洗后真正参与转换的字节数,不包含空格与前缀;「输入」是原始文本长度。两者不相等是正常的。
常见的几种情况
乱码到底属于哪一种
中文乱码至少有三种常见来源。第一种是 GBK 字节被当成 UTF-8 解码,结果会出现大量替换字符或奇怪符号;第二种是 UTF-8 字节被当成 GBK 解码,结果是一串看似合理但读不通的汉字;第三种是字节被按 latin1 或类似单字节编码保存,表现为 ÄãºÃ 这样的西欧字母。只有第三种可以直接用「乱码文本」口径还原,前两种必须拿到原始字节,用十六进制口径处理。
已经出现 U+FFFD 的文本还能救吗
不能。替换字符是在解码阶段生成的,原始字节在那一步就已经被丢弃。把带 U+FFFD 的文本再交给本页,无论选哪个方向都无法恢复原始内容。正确的做法是回到产生乱码的上一步,找到原始字节,用「十六进制字节」口径重新解码。这也是本页反复强调优先使用十六进制输入的原因。
UTF-8 → GBK 提示某些字符无法转换
码表只覆盖 GBK 的双字节范围(首字节 0x81 到 0xFE,尾字节 0x40 到 0xFE,跳过 0x7F)以及 ASCII 单字节。emoji、部分生僻字、希腊字母之外的其他文字、某些数学符号都不在表内。这不是工具出错,而是 GBK 本身无法表示这些字符。需要保留它们时,应继续使用 UTF-8,或改用 GB18030 等覆盖更广的编码。
GB18030 的四字节字符
GB18030 在 GBK 基础上增加了四字节区,能表示更多字符。浏览器的 GBK 解码器可能接受部分四字节序列,但本页的码表反向构建只遍历双字节组合,因此不保证覆盖 GB18030 的四字节字符。需要处理完整的 GB18030 数据时,应使用专门的库或服务端程序,而不是依赖本页。
欧元符号与 0x80
GBK 的欧元符号常被映射到单字节 0x80,而本页的单字节表只登记 0x00 到 0x7F,因此 0x80 不在编码表中。解码方向仍可能把 0x80 读成欧元符号,但反向编码会报「字符不在码表内」。如果业务确实需要这个字节,建议在接收端或脚本里单独处理,而不是期待页面自动补全。
使用限制与提醒
本页不是「任意乱码一键修复」。它只能在已知编码关系的前提下做可靠的字节到文字、文字到字节转换。已经按 UTF-8 解码并产生替换字符(U+FFFD)的文本无法还原原始字节,只能用十六进制口径处理。任何声称能把 U+FFFD 变回原文的做法,本质上都是在猜测。
码表是运行时由浏览器 GBK 解码器反向构建的,只覆盖 GBK 双字节范围与 ASCII,未收录字符会明确报错。不同浏览器、不同版本对 GBK 的映射可能存在细微差异,尤其是厂商扩展区;对字节级精确性要求很高的场景,应以服务端标准库或 ICU 等成熟实现的结果为准。
单次输入上限为 200,000 字符。超过上限时工具会提示并保留上一次结果,不会截断后继续处理。码表构建是首次使用的固定开销,之后同一页面内的转换会明显变快;刷新页面后需要重新构建。码表不写入本地存储,也不会上传到任何服务器。
做批量文件转码时,不要用浏览器页面逐条处理。请使用 iconv、Python 的 codecs、Java 的 Charset 或系统自带的转码命令,它们更稳定,也能给出精确的字节级错误信息。本页更适合排查少量样本、验证接口返回和确认某个字符能否用 GBK 表示。