中文乱码转换方法：先排查编码，再按场景恢复显示

中文乱码转换方法的关键，是找出文字最初使用的字符编码，再按正确编码还原。乱码通常不是中文被“替换成了另一种文字”，而是同一串字节被错误地解释。例如，UTF-8 编码的中文若被当作 GBK 读取，可能显示为“涓枃”；若被当作西文编码读取，则可能显示为“中文”。两种乱码的成因和恢复方式不同，不能只靠替换几个字符解决。

先判断乱码属于哪种情况

如果手头有原始文件或原始字节，优先从字节重新解码；如果只有已经显示出来的乱码文本，则要根据乱码产生方式，先把这些字符重新编码成原字节，再用正确编码解码。后一种方法只有在乱码字符完整保留、编码链路明确时才有效。若中间经过问号替换、删除或多次错误转换，缺失的字节可能无法单靠转换恢复。

常见的两类情况可以这样辨认：

• UTF-8 被 GBK 或 GB18030 错误读取：中文常显示成“涓枃”一类字符，可尝试把乱码按 GBK 编回字节，再按 UTF-8 解码。
• UTF-8 被西文编码错误读取：文本可能出现“中文”一类拉丁字符与符号，可尝试按 Windows-1252 编回字节，再按 UTF-8 解码。
• 出现问号、方框或空白：这可能是字符在某一步已经被替换或丢弃，不一定存在可逆的转换路径。

例子中的“涓枃”和“中文”都是演示用乱码。实际文本可能因软件、编码和处理过程不同而呈现其他字符组合。

乱码文本已存在时，用 Python 尝试还原

若文本属于 UTF-8 被 GBK 错误解码的情况，可以尝试以下写法。示例假设字符串中保存的是“涓枃”这类乱码：

bad_text = "涓枃"

try:
    restored = bad_text.encode("gbk").decode("utf-8")
    print(restored)
except (UnicodeEncodeError, UnicodeDecodeError) as error:
    print("这组编码转换不适用：", error)

如果乱码看起来像“中文”，可尝试 Windows-1252 这条路径：

bad_text = "中文"

try:
    restored = bad_text.encode("cp1252").decode("utf-8")
    print(restored)
except (UnicodeEncodeError, UnicodeDecodeError) as error:
    print("这组编码转换不适用：", error)

这里的顺序不能颠倒：先用产生乱码时被误用的编码把现有字符还原为字节，再以 UTF-8 解释字节。若程序抛出编码异常，或输出仍然不可读，就不要反复尝试任意编码组合；应先确认乱码的来源，避免把原本正确的字符再次破坏。

从原始文件字节读取，通常更可靠

如果乱码来自文本文件，尽量不要先用编辑器打开并保存乱码版本。直接读取文件字节，再尝试文件原本使用的编码，可以保留更多可恢复的信息。下面的例子依次尝试常见编码，并显示成功解码的结果：

from pathlib import Path

raw = Path("input.txt").read_bytes()

for encoding in ("utf-8", "gb18030", "gbk", "big5"):
    try:
        text = raw.decode(encoding)
        print(f"尝试编码：{encoding}")
        print(text[:200])
    except UnicodeDecodeError:
        continue

程序能成功解码，不代表该编码一定正确：某些字节序列在多种编码下都能得到合法字符。应结合文本是否连贯、标点是否正常、已知中文内容是否符合原意来判断。确认结果后，再统一保存为 UTF-8：

from pathlib import Path

source_bytes = Path("input.txt").read_bytes()
text = source_bytes.decode("gb18030")  # 替换为确认后的原始编码
Path("output.txt").write_text(text, encoding="utf-8")

如果原始文件确实是 GBK 或 GB18030 编码，上例才适用；若源文件实际为 UTF-8，就应使用 decode("utf-8")。读取时出现异常，通常表示指定编码与文件字节不匹配，不应直接用忽略错误的方式掩盖问题。

批量处理时避免二次乱码

处理多行文本或整个文件时，先保留一份原始副本，再对少量样本测试。确认转换结果正确后，才把同一套转换规则用于全文。保存文件时明确指定 UTF-8，例如使用 write_text(text, encoding="utf-8")；不要依赖系统默认编码，因为不同电脑或运行环境的默认设置可能不同。

网页或程序界面显示异常时，也要分清“数据本身乱码”和“显示方式不匹配”。如果文件用正确编码读取后文字正常，而某个软件里仍显示异常，问题可能出在该软件的导入设置或显示环节。此时应调整读取编码，而不是对已经正确的文本再次执行乱码还原。

概括来说，中文乱码转换方法可以归纳为两条路径：有原始字节时，按正确字符编码重新解码；只有乱码字符串时，根据错误解码链路反向编码后再还原。先识别来源，再选择对应方法，通常比盲目轮换编码更快，也能减少不可逆的字符损失。