摘要：轉(zhuǎn)換完畢后，會(huì)將選項(xiàng)設(shè)置為文件的編碼。由于中國(guó)用戶很少有機(jī)會(huì)編輯這些編碼的文件，因此我們還是決定把和前提以保證這些編碼的識(shí)別。不過(guò)，正如前面所說(shuō)的，中國(guó)用戶沒(méi)有太多機(jī)會(huì)接觸這樣的文件。該插件使用詞頻統(tǒng)計(jì)的方式識(shí)別編碼，正確率非常高。

在 Vim 中，有四個(gè)與編碼有關(guān)的選項(xiàng)，它們是：fileencodings、fileencoding、encoding 和 termencoding。在實(shí)際使用中，任何一個(gè)選項(xiàng)出現(xiàn)錯(cuò)誤，都會(huì)導(dǎo)致出現(xiàn)亂碼。因此，每一個(gè) Vim 用戶都應(yīng)該明確這四個(gè)選項(xiàng)的含義。下面，我們?cè)敿?xì)介紹一下這四個(gè)選項(xiàng)的含義和作用。

encoding 是 Vim 內(nèi)部使用的字符編碼方式。當(dāng)我們?cè)O(shè)置了 encoding 之后，Vim 內(nèi)部所有的 buffer、寄存器、腳本中的字符串等，全都使用這個(gè)編碼。Vim 在工作的時(shí)候，如果編碼方式與它的內(nèi)部編碼不一致，它會(huì)先把編碼轉(zhuǎn)換成內(nèi)部編碼。如果工作用的編碼中含有無(wú)法轉(zhuǎn)換為內(nèi)部編碼的字符，在這些字符就會(huì)丟失。因此，在選擇 Vim 的內(nèi)部編碼的時(shí)候，一定要使用一種表現(xiàn)能力足夠強(qiáng)的編碼，以免影響正常工作。

由于 encoding 選項(xiàng)涉及到 Vim 中所有字符的內(nèi)部表示，因此只能在 Vim 啟動(dòng)的時(shí)候設(shè)置一次。在 Vim 工作過(guò)程中修改 encoding 會(huì)造成非常多的問(wèn)題。如果沒(méi)有特別的理由，請(qǐng)始終將 encoding 設(shè)置為 utf-8。為了避免在非 UTF-8 的系統(tǒng)如 Windows 下，菜單和系統(tǒng)提示出現(xiàn)亂碼，可同時(shí)做這幾項(xiàng)設(shè)置：

set encoding=utf-8
set langmenu=zh_CN.UTF-8
language message zh_CN.UTF-8

termencoding 是 Vim 用于屏幕顯示的編碼，在顯示的時(shí)候，Vim 會(huì)把內(nèi)部編碼轉(zhuǎn)換為屏幕編碼，再用于輸出。內(nèi)部編碼中含有無(wú)法轉(zhuǎn)換為屏幕編碼的字符時(shí)，該字符會(huì)變成問(wèn)號(hào)，但不會(huì)影響對(duì)它的編輯操作。如果 termencoding 沒(méi)有設(shè)置，則直接使用 encoding 不進(jìn)行轉(zhuǎn)換。

舉個(gè)例子，當(dāng)你在 Windows 下通過(guò) telnet 登錄 Linux 工作站時(shí)，由于 Windows 的 telnet 是 GBK 編碼的，而 Linux 下使用 UTF-8 編碼，你在 telnet 下的 Vim 中就會(huì)亂碼。此時(shí)有兩種消除亂碼的方式：一是把 Vim 的 encoding 改為 gbk，另一種方法是保持 encoding 為 utf-8，把 termencoding 改為 gbk，讓 Vim 在顯示的時(shí)候轉(zhuǎn)碼。顯然，使用前一種方法時(shí)，如果遇到編輯的文件中含有 GBK 無(wú)法表示的字符時(shí)，這些字符就會(huì)丟失。但如果使用后一種方法，雖然由于終端所限，這些字符無(wú)法顯示，但在編輯過(guò)程中這些字符是不會(huì)丟失的。

對(duì)于圖形界面下的 GVim，它的顯示不依賴 TERM，因此 termencoding 對(duì)于它沒(méi)有意義。在 GTK2 下的 GVim 中，termencoding 永遠(yuǎn)是 utf-8，并且不能修改。而 Windows 下的 GVim 則忽略 termencoding 的存在。

當(dāng) Vim 從磁盤上讀取文件的時(shí)候，會(huì)對(duì)文件的編碼進(jìn)行探測(cè)。如果文件的編碼方式和 Vim 的內(nèi)部編碼方式不同，Vim 就會(huì)對(duì)編碼進(jìn)行轉(zhuǎn)換。轉(zhuǎn)換完畢后，Vim 會(huì)將 fileencoding 選項(xiàng)設(shè)置為文件的編碼。當(dāng) Vim 存盤的時(shí)候，如果 encoding 和 fileencoding 不一樣，Vim 就會(huì)進(jìn)行編碼轉(zhuǎn)換。因此，通過(guò)打開文件后設(shè)置 fileencoding，我們可以將文件由一種編碼轉(zhuǎn)換為另一種編碼。但是，由前面的介紹可以看出，fileencoding 是在打開文件的時(shí)候，由 Vim 進(jìn)行探測(cè)后自動(dòng)設(shè)置的。因此，如果出現(xiàn)亂碼，我們無(wú)法通過(guò)在打開文件后重新設(shè)置 fileencoding 來(lái)糾正亂碼。

編碼的自動(dòng)識(shí)別是通過(guò)設(shè)置 fileencodings 實(shí)現(xiàn)的，注意是復(fù)數(shù)形式。fileencodings 是一個(gè)用逗號(hào)分隔的列表，列表中的每一項(xiàng)是一種編碼的名稱。當(dāng)我們打開文件的時(shí)候，VIM 按順序使用 fileencodings 中的編碼進(jìn)行嘗試解碼，如果成功的話，就使用該編碼方式進(jìn)行解碼，并將 fileencoding 設(shè)置為這個(gè)值，如果失敗的話，就繼續(xù)試驗(yàn)下一個(gè)編碼。

因此，我們?cè)谠O(shè)置 fileencodings 的時(shí)候，一定要把要求嚴(yán)格的、當(dāng)文件不是這個(gè)編碼的時(shí)候更容易出現(xiàn)解碼失敗的編碼方式放在前面，把寬松的編碼方式放在后面。

例如，latin1 是一種非常寬松的編碼方式，任何一種編碼方式得到的文本，用 latin1 進(jìn)行解碼，都不會(huì)發(fā)生解碼失敗——當(dāng)然，解碼得到的結(jié)果自然也就是理所當(dāng)然的“亂碼”。因此，如果你把 latin1 放到了 fileencodings 的第一位的話，打開任何中文文件都是亂碼也就是理所當(dāng)然的了。

以下是滇狐推薦的一個(gè) fileencodings 設(shè)置：

set fileencodings=ucs-bom,utf-8,cp936,gb18030,big5,euc-jp,euc-kr,latin1
其中，ucs-bom 是一種非常嚴(yán)格的編碼，非該編碼的文件幾乎沒(méi)有可能被誤判為 ucs-bom，因此放在第一位。

utf-8 也相當(dāng)嚴(yán)格，除了很短的文件外(例如許多人津津樂(lè)道的 GBK 編碼的“聯(lián)通”被誤判為 UTF-8 編碼的經(jīng)典錯(cuò)誤)，現(xiàn)實(shí)生活中一般文件是幾乎不可能被誤判的，因此放在第二位。

接下來(lái)是 cp936 和 gb18030，這兩種編碼相對(duì)寬松，如果放前面的話，會(huì)出現(xiàn)大量誤判，所以就讓它們靠后一些。cp936 的編碼空間比 gb18030 小，所以把 cp936 放在 gb18030 前面。

至于 big5、euc-jp 和 euc-kr，它們的嚴(yán)格程度和 cp936 差不多，把它們放在后面，在編輯這些編碼的文件的時(shí)候必然出現(xiàn)大量誤判，但這是 Vim 內(nèi)置編碼探測(cè)機(jī)制沒(méi)有辦法解決的事。由于中國(guó)用戶很少有機(jī)會(huì)編輯這些編碼的文件，因此我們還是決定把 cp936 和 gb18030 前提以保證這些編碼的識(shí)別。

最后就是 latin1 了。它是一種極其寬松的編碼，以至于我們不得不把它放在最后一位。不過(guò)可惜的是，當(dāng)你碰到一個(gè)真的 latin1 編碼的文件時(shí)，絕大部分情況下，它沒(méi)有機(jī)會(huì) fall-back 到 latin1，往往在前面的編碼中就被誤判了。不過(guò)，正如前面所說(shuō)的，中國(guó)用戶沒(méi)有太多機(jī)會(huì)接觸這樣的文件。

如果編碼被誤判了，解碼后的結(jié)果就無(wú)法被人類識(shí)別，于是我們就說(shuō)，這個(gè)文件亂碼了。此時(shí)，如果你知道這個(gè)文件的正確編碼的話，可以在打開文件的時(shí)候使用 ++enc=encoding 的方式來(lái)打開文件，如：

:e ++enc=utf-8 myfile.txt

根據(jù)前面的介紹，我們知道，通過(guò) Vim 內(nèi)置的編碼識(shí)別機(jī)制，識(shí)別率是很低的，尤其是對(duì)于簡(jiǎn)體中文 (GBK/GB18030)、繁體中文 (Big5)、日文 (euc-jp) 和韓文 (euc-kr) 之間的識(shí)別。而對(duì)于普通用戶而言，肉眼看出一個(gè)文件的編碼方式也是很不現(xiàn)實(shí)的事情。因此，滇狐強(qiáng)烈推薦水木社區(qū)的 mbbill 開發(fā)的 fencview 插件。該插件使用詞頻統(tǒng)計(jì)的方式識(shí)別編碼，正確率非常高。點(diǎn)擊這里 下載。

轉(zhuǎn)載: http://edyfox.codecarver.org/html/vim_fileencodings_detection.html