UD5工具箱
字符编码
字符编码是将字符（如字母、汉字、符号）映射为计算机可存储和处理的字节序列的规则集合。不同的编码标准使用不同的映射方式，例如 UTF-8 使用变长编码（1-4字节），GBK 使用固定双字节编码。当编码标准不匹配时就会出现乱码，因此正确识别文件编码是解决乱码问题的关键前提。
BOM（字节顺序标记）
BOM 即 Byte Order Mark，是位于文件开头的特殊字节序列，用于明确标识文件的编码格式和字节序。常见的 BOM 标记包括：UTF-8 的 EF BB BF、UTF-16 LE 的 FF FE、UTF-16 BE 的 FE FF 等。包含 BOM 的文件可以被准确识别编码，但许多 UTF-8 文件（尤其在 Linux/Web 环境中）不带 BOM。
UTF-8
UTF-8 是目前互联网上使用最广泛的 Unicode 字符编码，采用可变长度编码方案（1至4个字节）。它完全兼容 ASCII 编码，对英文字符只需1个字节，对中文字符通常需要3个字节。UTF-8 具有良好的容错性和跨平台兼容性，是现代应用的首选编码格式。本工具支持带 BOM 和不带 BOM 的 UTF-8 检测。
GBK 编码
GBK 是国标扩展编码，是 GB2312 的超集，主要用于简体中文环境。它使用双字节编码方案，第一个字节在 0x81-0xFE 范围，第二个字节在 0x40-0xFE 范围。GBK 编码的中文字符有时可能被误识别为 UTF-8，这是编码检测中的常见难点。本工具通过多种启发式算法综合分析来减少此类误判。
启发式算法
启发式算法是编码检测的核心技术，通过分析文件字节序列的统计特征来推断编码格式。常见的方法包括：字节对模式匹配、解码试探法（尝试用不同编码解码并验证合理性）、字符分布统计法等。本工具综合运用多种启发式算法，对文件前 1MB 内容进行分析，以获得准确可靠的编码检测结果。
置信度
置信度是编码检测结果的可信程度指标，以百分比形式表示。置信度越高，表示检测结果越可靠。对于包含 BOM 的文件，置信度接近 100%。对于不含 BOM 的文本，置信度取决于文本长度和字节模式的明确程度。当置信度较低时，建议参考编码可能性排名列表中的其他候选编码进行手动验证。
乱码
乱码是指使用错误的编码方式打开文件时显示的无意义字符序列。例如，用 UTF-8 编码器读取 GBK 编码的中文文件，就会产生乱码。乱码的产生根本原因在于编码和解码使用的字符集不匹配。高级字符编码检测器能够帮助用户识别原始编码，从而正确解码和还原文件内容。
BIG5 编码
BIG5 是繁体中文环境常用的字符编码标准，主要应用于台湾和香港地区。它使用双字节编码方案，每个中文字符由两个字节表示。BIG5 与 GBK 不兼容，如果用 GBK 编码器读取 BIG5 文件，同样会出现乱码。本工具能够准确区分 BIG5 和 GBK 等不同的中文编码格式。
Shift_JIS 编码
Shift_JIS 是日文环境常用的字符编码标准，由日本工业标准制定。它使用单字节和双字节混合编码方案，ASCII 字符使用单字节，日文假名和汉字使用双字节。Shift_JIS 与其他编码不兼容，因此在处理日文文件时需要正确识别编码。本工具支持 Shift_JIS 编码的自动检测。
字节分布
字节分布是指文件中不同字节值范围的出现频率统计。通常将字节分为三类：控制字符（0x00-0x1F）、ASCII 可打印字符（0x20-0x7F）和高位字节（0x80-0xFF）。不同编码的文件具有不同的字节分布特征，例如纯 ASCII 文件只有 0x00-0x7F 范围的字节，而中文编码文件则有大量 0x80-0xFF 范围的高位字节。本工具通过可视化字节分布帮助用户直观了解文件的编码特征。