Vim 打开中文文件乱码：encoding、fileencodings 与 fileencoding

从 Windows 同事那里拿到一个配置文件，用 Vim 打开，中文全变成了 ÖÐÎIJâÊÔ。网上搜到一行配置加进 vimrc，这个文件好了，另一个 UTF-8 的文件却开始显示成 浣犲ソ。

Vim 处理文件编码时涉及三个选项，名字非常相似，作用完全不同：

• encoding：Vim 内部使用的编码，也是界面显示用的编码。现代系统上应该是 utf-8。
• fileencodings（复数）：打开文件时依次尝试的编码列表，第一个能成功转换的就被采用。
• fileencoding（单数）：这个文件被识别成的编码，也是保存时使用的编码。

乱码几乎都出在第二个：探测列表的内容和顺序。本文在 Vim 9.1 上用 GBK、UTF-8、带 BOM 的 UTF-8 文件验证几种配置的结果。实验见文末。

图 1 · 实测（Vim 9.1）：默认列表里没有 gbk，GBK 文件一路失败到最后的 latin1，显示成 ÖÐÎÄ。把 gbk 加在 utf-8 之后，两种文件都正确。顺序反过来时，UTF-8 的「你好」恰好也是合法的 GBK，被识别成 cp936，显示为 浣犲ソ；而「中文测试」碰巧没有被误认，是否乱码取决于内容。

一、默认配置把 GBK 识别成了 latin1

utf8.txt 的字节：e4 b8 ad e6 96 87 e6 b5 8b e8 af 95 0a
gbk.txt  的字节：d6 d0 ce c4 b2 e2 ca d4 0a

默认 fileencodings = ucs-bom,utf-8,default,latin1
  打开 gbk.txt  → fileencoding=latin1，第一行：ÖÐÎIJâÊÔ
  打开 utf8.txt → fileencoding=utf-8，第一行：中文测试

Vim 按顺序尝试：没有 BOM，ucs-bom 不成立；GBK 的字节不是合法的 UTF-8，utf-8 失败；default 是当前语言环境的编码，在 UTF-8 环境下也失败；最后的 latin1 能接受任何字节序列，于是它总会「成功」。每个 GBK 字节被当成一个西欧字符显示出来，就是 ÖÐÎÄ。

latin1 放在最后是有意的：它保证任何文件都能打开，并且保存时不改变原有的字节。

按 latin1 打开 GBK 文件、加一个字符后保存：d6 d0 ce c4 b2 e2 ca d4 21 0a（原有字节未变）

所以看到乱码时不要急着保存修改，乱码只是显示的问题，原样保存不会损坏文件；但如果在乱码状态下修改了中文内容，写进去的就真的是错误的字节了。

二、把 gbk 加进列表：顺序决定一切

fileencodings = ucs-bom,utf-8,gbk,latin1
  打开 gbk.txt  → fileencoding=cp936，第一行：中文测试
  打开 utf8.txt → fileencoding=utf-8，第一行：中文测试

在 utf-8 之后、latin1 之前加上 gbk，两种文件都能正确识别（Vim 内部把 gbk 记为 cp936）。网上常见的配置也是这个顺序。

顺序反过来就会出问题：

fileencodings = ucs-bom,gbk,utf-8,latin1
  打开 UTF-8 的「中文测试」 → fileencoding=utf-8，第一行：中文测试
  打开 UTF-8 的「你好」     → fileencoding=cp936，第一行：浣犲ソ

GBK 是双字节编码，很多 UTF-8 字节序列恰好也能被当成合法的 GBK 解读。「你好」的 UTF-8 字节被 GBK 成功「转换」了，于是 Vim 采用了 GBK，显示出 浣犲ソ；「中文测试」碰巧包含 GBK 里不存在的组合，转换失败，才轮到 UTF-8。同样的配置，是否乱码取决于文件内容，这正是开头那个「这个好了、那个坏了」的原因。

规则：严格的编码放在前面，宽松的放在后面。UTF-8 的结构有很强的校验性，随机字节几乎不可能是合法的 UTF-8，所以它应该排在 GBK 之前；latin1 什么都接受，永远放在最后。

三、手动指定与转换保存

探测失败时，不必改配置，用 ++enc 重新打开当前文件：

:e ++enc=gbk gbk.txt → fileencoding=cp936，第一行：中文测试

要把文件转换成 UTF-8，以正确的编码打开后修改 fileencoding 再保存：

以 gbk 打开后 set fileencoding=utf-8 再保存：e4 b8 ad e6 96 87 e6 b5 8b e8 af 95 0a

带 BOM 的 UTF-8 文件由 ucs-bom 识别，保存时默认保留 BOM；set nobomb 后保存可以去掉它：

带 BOM 的文件 set nobomb 后保存：e4 b8 ad e6 96 87 0a

BOM 在 Windows 的一些工具里是识别 UTF-8 的依据，但在 Shell 脚本（第一行的 #! 前多了三个字节）、CSV 的第一个字段名、JSON 解析器里常常造成问题。

四、推荐配置

set encoding=utf-8
set fileencodings=ucs-bom,utf-8,gbk,latin1

新建的文件 fileencoding 为空，保存时使用 encoding 的值，也就是 UTF-8、不带 BOM，不需要再在 vimrc 里设置 fileencoding（它是缓冲区选项，在 vimrc 里设置只影响启动时的那个缓冲区）。

encoding 要在 vimrc 的开头设置，修改它会影响已经加载的内容。更根本的做法是让团队的文件统一使用 UTF-8，并在仓库的 .editorconfig 里写明 charset = utf-8。字节、码点和字形的区别，见一个表情是几个字符。

五、检查清单

• 先用 :set fileencoding? 看 Vim 把文件识别成了什么。
• fileencodings 里 UTF-8 在 GBK 之前，latin1 在最后。
• 识别错误时用 :e ++enc=编码 重新打开，不要在乱码状态下修改中文。
• 转换编码：正确打开后 :set fileencoding=utf-8，再保存。
• 不需要 BOM 的文件 :set nobomb。

---

配套实验

• codesphere-labs/engineering/vim-file-encoding：Vim 9.1：默认与修改后的 fileencodings 对 GBK、UTF-8、带 BOM 文件的探测，++enc，保存时的转换与 nobomb（验证记录）

参考资料

• Vim 帮助：:help 'encoding'、:help 'fileencodings'、:help 'fileencoding'、:help ++enc、:help 'bomb'
• EditorConfig 文档