GBK、GB18030 文件转换为 UTF-8

在 Mac、Linux 或代码编辑器里打开旧文件,看到的全是 �?文件很可能是用 GBK 保存的。把文件拖进来,Mojibuster 会自动识别编码并转换成 UTF-8。

支持文本和以下文件:

  • CSV
  • TXT
  • JSON
  • XML
  • SRT
  • VTT
  • SMI
  • TSV
  • MD
  • HTML
  • SQL
  • LOG

例如 Excel 导出、数据库备份、字幕或网站代码。

修复

  1. 拖入文件或粘贴文本
  2. 自动修复
  3. 复制或下载
或把文件拖到这里
  • 无需上传。 文件直接在浏览器中修复,不会离开你的设备。

  • 服务器位于欧盟。 Mojibuster 运行在 芬兰(欧盟)的服务器上,受《通用数据保护条例》(GDPR)约束。 GDPR 全文(EUR-Lex,英文)

现在哪些地方还在用 GBK

  • Windows 记事本以“ANSI”保存的文本。Windows 10 1903 之前,记事本默认就是 ANSI,也就是 GBK。
  • 中文 Windows 上用 Excel 另存为普通 CSV(逗号分隔) 的文件。
  • 银行、税务或财务软件导出的 GBK 格式 CSV,要导入只支持 UTF-8 的系统。
  • 旧网站和论坛存档(例如 Discuz! 的 GBK 版)、小说 TXT、程序源码中的中文注释。Java 18 之前的程序在中文 Windows 上默认也用 GBK 写文件。
  • 从字幕网站下载的老字幕,在电视上显示乱码,见 字幕乱码修复。
GBK 文本在西文系统中显示时

乱码

±±¾©Êг¯ÑôÇø µç»°
Êý¾Ý±àÂë Îļþ

转换后

北京市朝阳区 电话
数据编码 文件

转换步骤

  1. 把文件拖到上面的框中。
  2. Mojibuster 会自动识别 GBK、GB18030、Big5 和 UTF-8。用哪种编码读取的,会显示在结果区。
  3. 如果识别有误,可以点击提示中的 按 … 读取 重新读取。
  4. 点击 下载 保存 UTF-8 文件。

怎样一眼认出 GBK

  • 中 的 GBK 字节是 D6 D0,在西文系统中显示为 ÖÐ;UTF-8 则是 E4 B8 AD。
  • 文 是 CE C4,显示为 ÎÄ。
  • 你好 是 C4 E3 BA C3,显示为 ÄãºÃ。

看到 Ö、Î、Ä 这类带符号的拉丁字母成对出现,基本就是 GBK 文本被当成 Windows-1252 显示。看到 浣犲ソ 这种生僻字,则是反方向:UTF-8 被当成了 GBK。

GB2312、GBK 和 GB18030 的区别

GB2312 只收录约 6,700 个常用字,GBK 在此基础上扩展到两万多字,GB18030 是国家标准,覆盖全部 Unicode 字符,目前最新版本是 GB18030-2022。GB18030 包含 GBK 的全部内容,所以 Mojibuster 按 GB18030 读取,生僻字也能正确转换。

用命令行转换

要批量处理很多文件,也可以用命令行。Linux、macOS 和 Git Bash 中:iconv -f GB18030 -t UTF-8 in.txt > out.txt。源编码写 GB18030 而不是 GBK,遇到生僻字时就不会报错中断。

简体中文 Windows 的 PowerShell 5.1 中:Get-Content in.txt -Encoding Default | Set-Content out.txt -Encoding UTF8,换行会统一成 CRLF;PowerShell 7 中可以写 -Encoding 936。详见 PowerShell 中文乱码。

无法恢复的情况

已经变成 ? 或“锟斤拷”的文字,原来的信息已经丢失,无法恢复。“锟斤拷”是两个 UTF-8 替换字符 EF BF BD 被按 GBK 读取的结果,说明文件曾被错误地转换并保存过。Mojibuster 会告诉你有多少处。更多原因见 乱码是什么?。

常见问题

应该选 GBK 还是 GB18030?

转换旧文件时选 GB18030。它兼容 GB2312 和 GBK,又能处理更多生僻字。Mojibuster 默认就按 GB18030 读取。

转换后能用 Excel 打开吗?

能。如果是 CSV,请保持勾选 保存时添加 BOM,Excel 双击打开也不会乱码。 如果看到 %E4%B8%AD%E6%96%87 这样的 URL 编码,也可以一起转换。

能把 UTF-8 转回 GBK 吗?

目前只支持保存为 UTF-8。如果需要 GBK,请用 Excel 或编辑器重新保存。在 Notepad++ 中也可以转换为 ANSI(GBK)。

“烫烫烫”也是编码问题吗?

不是文件编码的问题。它出现在用 Visual C++ 调试程序时:未初始化的栈内存被填充为 0xCC,按 GBK 显示就是“烫”;堆内存的 0xCD 则显示为“屯”。这类内容无法修复成有意义的文字。

文件会被上传吗?

不会。转换完全在浏览器中进行。

更多指南