fwrite写入文件乱码_[LaTeX 使用] 编码简介；编辑器显示乱码的解决方案

本文已加入专栏文章目录，归入「基本使用」文章系列。

由于我们几乎不能为 LaTeX 用户群预设任何计算机基础，文章开头（不得不）为编码提供简单（而拙劣的）介绍。

关于编码，有很多权威而详细的介绍，限于知识水平和时间精力，笔者暂不提供资源链接。

关于编码

计算机中的每个文件，都可看作是一长串数字。

数字的表示涉及进制，人喜欢十进制，计算机喜欢二进制。用二进制表示数字时，数字位数增长太快（例如十进制的 1024，用二进制表示是 1,000,000,000），人直接阅读有困难。作为折衷，常用八进制和十六进制。

文本编码，可以认为是一个很长的两列表格，一列包含从 0 开始递增的数字，一列包含符号。以这样的方式，文本编码为符号和数字建立了一一对应关系。例如，ascii 编码包含这样的对应关系 a <-> "61，b <-> "62，1 <-> "31（数字均使用十六进制）。

文本文件是一类（几乎）只储存文本的文件。关于文件的基本操作是读和写。

• 在写入一个文本文件时，用户通过屏幕显示的符号确认要写入的内容，程序把这串内容按照选定编码中的对应关系转换为数字，写入文件
• 在读取一个文本文件时，程序把文件中的数字串，按照选定编码中的对应关系转换为符号串，输出在屏幕上，供用户阅读。

举个例子，

• 使用 ascii 编码，创建一个包含符号 aba 的文本文件。
  程序根据 ascii 编码中包含的对应关系 a <-> "61 和 b <-> "62，把符号串 aba 转换为数字串 "616261（数字均使用十六进制），写入文件。
• 接着，使用 ascii 编码，读取刚创建的文本文件 。
  程序根据文件中储存的数字串 "616261，和 ascii 编码中的对应关系，把数字串转换为符号串 aba，然后输出在屏幕上。
  （此处省略了关于编码长度的讨论。ascii 编码是定长编码，指每一个符号都对应一个两位的十六进制数）

有很多不同的编码。编码之间的差异，主要在于

• 定义的符号数量
• 相同符号对应的数字（假设定义了相同符号）
• 符号对应数字（用二进制表示时）的长度

关于乱码

如果读取和写入时用的编码不同，就可能导致乱码。乱码只发生在读取时，它有两种定义，

• 转换出的符号串，其整体或局部，对人而言是无意义的符号串
• 转换出的符号串，和存储时（人确认过）的符号串不同

对人而言，看出乱码主要基于第一种定义，即基于假设，一个文本文件包含的符号串对人而言应当具有某种意义。由于意义是相对的，第二种定义在判断是否发生了乱码时更为准确。继续上面的例子

• 假设有一个 iicsa 编码，它规定了一个符号和一个一位的十六进制数字之间的对应关系，例如 a <-> "1，b <-> "2，f <-> "6。
• 如果我们用 iicsa 编码解析前面例子中的数字串 "616261，得到的将是符号串 fafbfa，这就产生了乱码

解决乱码的一般步骤是

1. 发现乱码时，不对该文件进行修改（特指不要保存）
2. 猜测和了解文件储存时使用的编码（这一步最困难，因为有猜的成分^[1]）
3. 用新编码读取该文件
4. 如有需要，将文件另存为新编码

LaTeX 中会遇到的乱码，以编辑器 texstudio 为例

• .tex 文件，是文本文件
• texstudio 默认以 UTF-8 编码读取文件
• 有些包含中文的 .tex 文档，可能以其他编码储存，以 GBK 编码较为常见
• 如果用 texstudio 以 UTF-8 编码打开以 GBK 编码储存的文件，呈现在屏幕的字符串中，原本是中文的部分就会显示为乱码

假设我们发现了一个用 texstudio 打开时乱码的 .tex 文件。根据上一节中介绍的「解决乱码的一般步骤」逐步操作。

第一步，不对该文件进行修改（特指不要保存）。

小心即可。

第二步，猜测和了解文件储存时使用的编码。

这一步可以用带自动编码探测功能、修改读取时编码更为便利的编辑器（例如 Atom 和 visual studio code）。这里我们假设该文件储存时用的是 GBK 编码。（在文件包含中文，且曾由 Windows 系统写入时，这种假设是靠谱的。）

第三步，用新编码读取该文件。

首先，在 texstudio 界面右下角点击当前编码 UTF-8，然后选择 "More Encodings..."

接着，在弹出的小窗口中，找到第 18 行的 GBK，点击选中这行，再按小窗口右下角的 "Reload With"，让 texstudio 以 GBK 编码重新打开当前文件。

这样，如果文件在以乱码形式打开后没有修改并保存过，且该文件确实是以 GBK 储存的，那么就能在 texstudio 里正常预览、修改储存和编译了。

第四步，如有需要，将文件另存为新编码

这一步可选。对 .tex 文件而言，我们推荐使用 UTF-8 编码。另存为新编码，也可以分为几步

• 找一个软件，打开该文件并正常显示不乱码。这个软件可以是 texstudio，也可以是记事本、浏览器、其他编辑器等等。
• 在不乱码的状态下，全选复制该文件中的所有内容。
• 用 texstudio（也可以是其他软件）新建一个 UTF-8 编码的文件，把刚才复制的内容粘贴进去，确认显示无乱码，保存。
• 重命名新文件、备份旧文件等后续事项。

结束。

补充

如果不需要另存为新编码，又经常需要使用 texstudio 打开非 UTF-8 编码的文档，还不想修改 texstudio 打开文件时默认使用的编码，可以在文档正常打开显示后，在 .tex 文件的首行插入 magic comment % !TeX encoding = GBK，引导编辑器总是以指定编码打开当前文档。这一步可以简化为下图中的操作。

关于 TeX 里的编码

• TeX 内部还有一个带「编码」的概念，字体编码（font encoding）。本文不涉及字体编码。
• 一个 LaTeX 项目加载的所有文本文件，最好使用相同编码。例如，一个加载了 .bib 文件的 main.tex 文件，.bib 和 .tex 文件最好以相同的编码储存，否则可能出错。

参考

1. ^例如这里的讨论 https://softwareengineering.stackexchange.com/q/187169