检测流程：先识别 BOM 字节序标记，再做 UTF-8 严格合法性校验与 UTF-16 零字节分布判断，最后交给 jschardet 做统计模型打分，三层结果合并后给出结论。
原理：把屏幕上看到的乱码字符按某个编码还原成原始字节，再换另一个编码重新解码，逐一组合打分后给出最可能的原文。
浏览器里的文本已经是 Unicode 字符，不再保留来源编码信息，因此纯文本无法反推原编码；本模式改为分析它可以用哪些编码安全保存。要判定来源编码，请使用文件或字节序列模式。
| 可信度 | 推断链路 | 还原结果 | 操作 |
|---|---|---|---|
| 点击「开始检测」后，这里会列出最可能的原文 | |||
| 编码 | 字节数 | 覆盖情况 | 无法表示的字符 |
|---|
字节序列检测：只拿到一串十六进制或 Base64（比如抓包、日志、数据库 BLOB 字段）时使用，粘贴进来即按同一套算法判定。
乱码还原：文字已经显示成乱码、拿不到原始文件时使用。工具会穷举「用什么编码读错 × 原本是什么编码」的组合，按中日韩字符比例和替换符数量打分排序。
文本编码分析：准备把内容存成 GBK、Big5 等老编码前使用，提前看清字节占用，以及哪些生僻字、emoji、特殊符号会丢失。
| 编码 | 特点 | 典型来源 | 中文占用 |
|---|---|---|---|
| UTF-8 | Unicode 的变长实现，1 到 4 字节，ASCII 完全兼容，字节序列有严格的前缀规则，因此可以被精确校验 | 网页、接口、Git 仓库、macOS 与 Linux | 常用汉字 3 字节 |
| UTF-8 BOM | 文件头多出 EF BB BF 三字节，Windows 记事本的默认行为，会让部分解析器读到多余字符 | Windows 记事本、旧版 Excel 导出 | 常用汉字 3 字节 |
| GB2312 / GBK / GB18030 | 逐代扩充的中文国标，GB2312 收录 6763 字，GBK 补齐繁体与罕用字，GB18030 向上兼容并覆盖全部 Unicode | Windows 中文系统、国产旧软件导出 | 常用汉字 2 字节 |
| Big5 | 繁体中文双字节编码，次字节范围与 GBK 重叠，短文本容易与 GBK 互相误判 | 台湾、香港地区的旧文档 | 常用汉字 2 字节 |
| Shift_JIS | 日文编码，单字节半角片假名与双字节汉字混排，是日文系统 CSV 的常客 | 日文 Windows、日系设备导出 | 汉字 2 字节 |
| EUC-KR | 韩文编码，覆盖谚文音节与汉字，双字节结构 | 韩文旧系统 | 谚文 2 字节 |
| Windows-1252 | 西欧单字节编码，ISO-8859-1 的超集，中文 UTF-8 字节被它读出来就是经典的 ä½ å¥½ 型乱码 | 欧美旧网页、旧邮件 | 不支持中文 |
| UTF-16 LE / BE | 定长 2 字节为主，ASCII 字符会夹带大量 00 字节，零字节落在奇位还是偶位决定字节序 | Windows API 导出、部分数据库 | 常用汉字 2 字节 |
为什么粘贴普通文本不能检测出原来的编码？
文本一旦被粘贴进浏览器，就已经是解码完成的 Unicode 字符，原始字节和来源编码都已经丢失，再检测只会恒定得到 UTF-8，没有参考价值。所以本工具把这件事拆成了两条可靠路径：有文件就用文件模式读原始字节，只有字节串就用字节序列模式，两者判定的都是真实数据。
GBK 和 GB2312 的结果为什么经常互相串？
GB2312 是 GBK 的子集，二者字节结构一致，统计模型只能根据用字范围给出倾向性判断。实际处理时按 GB18030 解码最稳妥，它向上兼容 GB2312 与 GBK，不会因为出现罕用字而解码失败。
乱码还原失败或者结果仍然是乱码？
如果乱码里出现了大量问号或菱形问号，说明原始字节在上一次解码时就已经被替换符覆盖，信息不可逆地丢了，任何工具都无法完整还原。这种情况只能回到最初的文件重新按正确编码读取。另外，还原依赖足够长的样本，几个字的片段打分区分度很低，建议多贴一些内容。
检测结果和预览对不上该信哪个？
以预览为准。统计模型对短文本、纯数字表格、代码文件的区分能力有限，而预览是用真实解码器跑出来的结果。切换下拉框逐个试，哪个编码读出来的文字通顺就用哪个，再另存为 UTF-8。
大文件会不会把浏览器卡死？
不会。文件按字节读入后，统计模型只取开头约 512KB 作为样本，解码预览也按设定的字符上限截断，因此几十 MB 的日志也能快速出结果。文件始终留在本机内存，不产生任何网络请求。
另存为 UTF-8 时要不要勾 BOM？
给 Excel 打开的 CSV 建议带 BOM，否则中文会乱码；其余场景一律选不带 BOM 的版本，很多编译器、解析器和 Shell 脚本会把 BOM 当成正文内容从而报错。
