vim字符编码详解

1 选项解析

编码相关的选项配置，有4个：fileencodings(fencs)、fileencoding(fenc)、encoding(enc)、termencoding(tenc)。后文会对这些选项，由浅及深一一分析。

1.1 fileencodings和fileencoding

1.1.1 打开已存在文件

vim file.txt

为了说明vim打开文件的过程，首先作出以下假设:

• 使用vim file.txt命令打开一个已存在的文件
• 该文件是以utf-8的编码格式存储在文件系统的。
• .vimrc配置文件中对fileencodings的配置为：set fileencodings=utf-8,gb18030,gbk,gb2312,cp936

vim在打开已存在文件时，与字符编码相关的事项有以下几件：

1. 根据fileencodings的列表值，探测file.txt的编码格式。
   1.1 utf-8探测成功，然后vim会设置fileencoding为探测成功的编码类型，此处即为utf-8。注：即便是在.vimrc文件中设置了fileencoding也不会生效，而是以探测到的编码类型为准。
   1.2 fileencodings中的所有值，均与当前打开的文件的编码格式匹配失败，则将fileencoding设置为空。fileencoding为空的情况下，可以认为其值和encoding保持一致，encoding的含义后文会讲述。
2. 当要保存file.txt文件时，vim会以fileencoding指定的编码（即utf-8）将文件写入到磁盘。另，在vim里，可以通过:set fileencoding=gbk设置fileencoding的值，设置完后即可生效，即此时保存文件的话，file.txt会以gbk的编码格式存入磁盘。

总结：

• vim打开一个已存在的文件时，.vimrc里对fileencoding的设置无效。
• vim打开一个已存在的文件时，若没有使用++enc选项（指定以何种编码格式打开该文件），vim会依照fileencodings的值，对打开的文件进行探测，探测其的编码格式。成功探测到编码格式后，会将fileencoding设置为探测到的编码格式；探测失败后，会将fileencoding设置为空，表示其值和encoding保持一致。
• 一般fileencodings会在.vimrc里面设置，如果没有设置，默认值可通过在vim中执行:help fencs查看。
• 保存文件时，会以fileencoding指定的编码将文件写入磁盘。比如通过执行:set fenc?查看到fileencoding的值为utf-8，但又想以gbk的格式写入磁盘，可以先执行:set fenc=gbk后再保存文件。

1.1.2 打开新文件

vim newfile.txt

为了说明vim打开新文件的过程，首先作出以下假设:

• 使用vim newfile.txt命令打开一个不存在的文件
• .vimrc配置文件中对fileencoding的配置为：set fileencoding=utf-8

vim在打开新文件时，与字符编码相关的事项有：

1. 根据fileencoding的值，保存新文件。另，在vim里，可以通过:set fileencoding=gbk设置fileencoding的值，设置完后即可生效，即此时保存文件的话，file.txt会以gbk的编码格式存入磁盘。
2. 若是没有设置fileencoding的值，可以通过在vim中执行:set fenc?查看其默认值，当为空时，表示其值和encoding相同。

总结：

• vim打开一个新文件时，fileencodings是没有任何作用的。
• 保存文件时，会以fileencoding指定的编码将文件写入磁盘。

1.2 encoding

vim内部（buffer、寄存器等）编码格式。

在.vimrc中通过set encoding=gbk将encoding设置为gbk，将文件读入时，比如fileencodings探测到当前文件是utf-8并把fileencoding设置为utf-8，则vim在读取文件时，会将utf-8转换为gbk放在buffer中，最后写入磁盘的时候，还会将buffer中的内容(encoding格式，此处为gbk)转换为fileencoding格式（此处为utf-8）

总结：

• encoding默认为$LANG，追随系统配置，不建议修改。
• 读转换：当探测到的编码格式和encoding不同时
• 写转换：当fileencoding和encoding不同时
• 当encoding不是utf-8或者其他Unicode时，编码格式的转换（读转换或写转换）可能造成非latin1字符的丢失。（由此可见，最好让系统默认的locale设置为utf-8）

1.3 termencoding

termencoding是vim用于屏幕显示的编码，在显示的时候，vim会把内部编码转换为屏幕编码，再用于输出。内部编码中含有无法转换为屏幕编码的字符时，该字符会变成问号，但不会影响对它的编辑操作。如果termencoding没有设置，则直接使用encoding进行转换。

举个例子，当在Windows下通过telnet登录linux工作站时，由于Windows的telnet是gbk编码的，而linux 下使用utf-8编码，你在telnet下的vim中就会乱码。此时有两种消除乱码的方式：一是把vim的encoding改为gbk，另一种方法是保持encoding为utf-8，把termencoding改为gbk，让vim在显示的时候转码。显然，使用前一种方法时，如果遇到编辑的文件中含有gbk无法表示的字符时，这些字符就会丢失。但如果使用后一种方法，虽然由于终端所限，这些字符无法显示，但在编辑过程中这些字符是不会丢失的。

2 建议

1. 使用默认值配置是比较合理的。在遇到具体问题时，可以根据相关原理定位问题并寻求合理的解决方式。
2. 尽量保持encoding为utf-8或其他Unicode，保持默认值。参考自vim的:help enc。
3. 如果要设置fileencodings，从超集到子集的顺序，即不要把1字节编码放到最前边；可以考虑吧Unicode放在最前边；若是ucs-bom和utf-8或其他Unicode出现在fileencodings中，保持ucs-bom在前。参考自vim的:help fencs。
4. 遇到问题的解决思路：
   1. 查看系统locale配置，查看终端编码配置。
   2. 确定文件编码类型。
   3. 确定fileencodings里有待打开文件的编码格式。
   4. 打开后确认fileencoding是否探测正确。
   5. 查看encoding值，若和终端编码配置不一致，可以考虑设置tremencoding。

SEE ALSO

:help enc
:help fenc
:help fencs
:help tenc

vim缩进设置详解

vimrc配置文件