文本编码检测器

导入文本文件,估算其最可能的编码(ASCII、UTF-8、UTF-16 或 Latin-1/Windows-1252)。

示例:

工作原理

文本文件显示出奇怪的字符(把「é」显示成「é」),通常是因为打开它的软件没有正确识别编码。该工具会分析文件的原始字节:如果它们构成有效的 UTF-8 序列,就会将其识别出来(所有字节都小于 128 时为 ASCII,否则为 UTF-8);否则检查是否存在 UTF-16 的 BOM;最后才假定为 Latin-1/Windows-1252——这是一种单字节编码,任何字节序列在技术上都是有效的。

为什么置信度有时是「低」?

UTF-8 具有可验证的内部结构,UTF-16 可以通过 BOM 识别,而 Latin-1/Windows-1252 编码没有任何特征:任何字节序列在其中都是有效的。当没有其他编码匹配时,工具会默认给出 Latin-1,但置信度较低,因为这只是一个合理的猜测。

为什么 UTF-8 文件有时会被检测为 ASCII?

ASCII 是 UTF-8 的严格子集:如果文件的所有字节都小于 128(0x80),那么它既是有效的 ASCII,也是有效的 UTF-8。此时工具会显示「ASCII」,因为这是能正确描述该文件的、限制最严格且兼容性最广的编码。

100% 本地处理:分析完全在您的浏览器中通过 WebAssembly 进行,您的文件不会离开您的设备。