乱码要从原始文件的读取方式开始排查。这里可以检查BOM、验证字节是否符合UTF-8,并比较GB18030等输入编码的预览。选择分隔符后检查姓名、编号和列边界,确认无误再下载UTF-8副本。整个过程在浏览器中完成。
按原始字节、列边界、输出设置逐项检查
- 打开原始CSV、TSV或TXT,也可以试用合成的Windows-1252样例。粘贴文本适合检查分列,但剪贴板已完成解码,不能还原原始编码证据。
- 选择输入编码和分隔符,点击按当前设置预览。样例选Windows-1252后应读到Café;同时确认00731的前导零未丢失,含换行和分号的备注仍处于一个单元格。
- 选择输出分隔符、是否附带UTF-8 BOM及公式保护。检查并勾选确认项后下载CSV,或把解码后的表格交给编辑器继续处理。
没有BOM时,编码候选只是比较工具
UTF-8或UTF-16 BOM能说明文件声明的Unicode编码。没有BOM时,即使字节可按UTF-8解码,也不能证明原文件就是UTF-8。GB18030、Windows-1252等候选只用于对比文字,不提供虚假的置信度。选定编码后,会严格解码完整文件,遇到无效字节时停止而不静默替换。
分隔符比较从前65,536个字符中检查最多20条完整记录,并考虑引用符内的分隔符和换行。列数只是线索,最终要对照预览中的真实字段。如果只是重新设置输出规则,可以使用更改CSV分隔符和编码。
输出副本具体会发生什么变化
下载使用UTF-8、可选BOM、CRLF换行和必要的引用符,支持逗号、分号、Tab或竖线。原有数字、日期、空格和长编号按文本保留。公式保护默认开启,会为类似公式的值加前置单引号;需要原文时可主动关闭。
空白或重复表头会规范命名,较短记录会补空单元格,预览和警告会展示这些变化。未闭合的引号会阻止解析,不会猜测缺失边界。需要保留为Excel文本单元格,可使用CSV转Excel;需要文本文件扩展名,可转到CSV转TXT。
已丢失的字符不能凭空找回
如果文字已经被替换成�或问号,仅凭损坏后的副本无法自动恢复,请尽量取得原始导出文件。粘贴文本也不能重建原始字节。暂不支持UTF-32。交互处理上限为25 MiB、10万行数据、250列和200万单元格,解码后的文本同样受大小限制。文件内容不会上传或发送到统计服务。
示例:读对重音字母,保留备注中的换行
这是合成Windows-1252文件在选对输入编码后的文本。输出改用逗号及UTF-8 BOM;下面保留了不可见的BOM,备注中的CRLF仍在引用符内部。
sku;name;note 00731;Café;"red, blue next; line"
sku,name,note 00731,Café,"red, blue next; line"
常见问题
不能。BOM可以提供明确的Unicode声明;没有BOM时,多个编码可能都能读取同一组字节。请对照真实姓名和文字,选择输入编码后确认表格。
目标软件可能需要另一个分隔符。先在这里检查正确的列边界,再按目标要求导出,也可以在Excel的文本导入设置中明确选择分隔符。