UD5工具箱
什么是字符编码？为什么需要检测文件编码？
字符编码是将字符（如字母、汉字）映射为计算机可存储的字节序列的规则。不同的编码标准（如 UTF-8、GBK、BIG5）使用不同的映射方式。当用错误的编码打开文件时，就会出现乱码。编码检测工具可以自动分析文件的字节特征，推断出正确的编码方式，帮助您正确打开和转换文件。常见场景包括：处理从网上下载的文本文件、导入 CSV 数据、修复乱码文档、整合不同来源的数据文件等。
BOM（字节顺序标记）是什么？它对编码检测有什么帮助？
BOM（Byte Order Mark）是文件开头的几个特殊字节，用于标识文件的编码方式。常见 BOM 标记包括：EF BB BF 表示 UTF-8（带 BOM），FF FE 表示 UTF-16 LE（小端序），FE FF 表示 UTF-16 BE（大端序），FF FE 00 00 表示 UTF-32 LE，00 00 FE FF 表示 UTF-32 BE。如果文件包含 BOM，编码检测几乎可以 100% 确定。但很多 UTF-8 文件（尤其是 Linux/Web 环境中）不带 BOM，这时就需要通过分析字节模式来检测。
为什么我的 GBK 文件有时被误识别为 UTF-8？
GBK 编码的中文字符使用两个字节表示，其中第一个字节在 0x81-0xFE 范围。这些字节序列有可能恰好也符合 UTF-8 的多字节序列格式（尽管概率较低）。对于较短的文本，这种巧合更容易发生。本工具使用多种启发式算法综合分析，包括字节对模式匹配、解码试探和字符分布统计，最大程度减少误判。如果自动检测结果不准确，您可以手动选择正确的编码进行预览验证。
支持哪些编码格式的检测？
本工具支持检测 20 余种编码格式，包括：UTF-8（带/不带 BOM）、UTF-16 LE/BE、UTF-32 LE/BE、GBK/GB2312（简体中文）、BIG5（繁体中文）、Shift_JIS（日文）、EUC-KR（韩文）、ISO-8859-1（Latin-1）、Windows-1252、ASCII 等。对于纯 ASCII 文本（仅包含英文字母、数字和基本符号），由于所有编码都兼容 ASCII，工具会优先推荐 UTF-8。如果您的编码不在列表中，可以尝试使用最接近的标准编码进行检测。
检测的准确率有多高？有什么局限性？
对于包含 BOM 的文件，准确率接近 100%。对于不含 BOM 的中文/日文/韩文文本（超过 100 字节），准确率通常在 90% 以上。主要局限性包括：极短文本（少于 20 字节）难以精确判断、纯 ASCII 文本无法区分具体编码（所有编码都兼容 ASCII）、混合编码文件可能导致部分乱码、二进制文件（非文本）无法给出有意义的编码结果。本工具仅分析文件的前 1MB 内容，对于超大文件也保持快速响应。
如何将检测到的文件转换为 UTF-8？
检测完成后，点击预览区域上方的"UTF-8下载"按钮，工具会自动使用检测到的编码（或您手动选择的编码）解码文件内容，然后重新编码为 UTF-8 格式并提供下载。转换后的文件可以在任何现代文本编辑器、浏览器和编程环境中正常打开，彻底解决乱码问题。下载的文件名为原文件名加上 _utf8 后缀，便于与原始文件区分。
文件大小有限制吗？大文件检测会不会很慢？
本工具支持最大 50MB 的文件上传。为保证检测速度，工具仅分析文件的前 1MB 内容进行编码推断。这种策略在绝大多数场景下都能获得准确的检测结果，同时确保分析过程在数秒内完成。对于超大文件（如日志文件、数据库导出文件），1MB 的采样量足以包含足够的编码特征信息。如果您需要转换整个大文件为 UTF-8，下载功能会处理完整文件内容。
检测结果中显示的"置信度"是什么意思？
置信度是工具对检测结果可信程度的量化评估，以百分比形式显示。置信度越高，表示判断越可靠。通常，包含 BOM 的文件置信度接近 100%；包含大量中文/日文/韩文字符的长文本置信度在 90% 以上；纯英文或短文本的置信度可能较低。当置信度不够高时，建议查看"编码可能性排名"中的其他候选编码，并通过文本预览手动验证哪个编码能正确显示内容。
我的文件数据安全吗？内容会被上传到服务器吗？
您的文件数据完全安全。本工具采用纯前端实现，所有编码检测、字节分析和文本预览操作均在浏览器本地完成。文件内容不会被上传到任何远程服务器，不使用任何第三方分析服务，不存储您的文件数据。您上传的文件仅在当前浏览器会话中临时使用，关闭页面后数据即被清除。对于涉及敏感信息的文件，您可以放心使用本工具。