VIM學習筆記多編碼處理 (Multi-Encodings)

05-07

在Vim中有四個與編碼有關的選項：「fileencodings (fencs)」、「fileencoding (fenc)」、「encoding (enc)」和「termencoding (tenc)」，任何一個選項出現錯誤，都會導致出現亂碼。

encoding

encoding是Vim內部使用的字元編碼方式。Vim內部所有的buffer、寄存器、腳本中的字元串等，都會使用encoding設置的編碼。如果編碼方式與Vim的內部編碼不一致，那麼會先把編碼轉換成內部編碼。如果編碼中含有無法轉換為內部編碼的字元，那麼這些字元就會丟失。因此，在選擇Vim內部編碼時，一定要使用一種包容力足夠強的編碼。由於encoding選項涉及到Vim中所有字元的內部表示，因此只能在Vim啟動的時候設置一次。在Vim工作過程中修改encoding會造成非常多的問題。

建議將encoding設置為utf-8，同時設置以下選項，以避免在非UTF-8系統（如Windows）下，菜單和系統提示出現亂碼：

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

當然，你也可以設置菜單和信息都顯示為英文，這樣也可以避免Vim程序界面亂碼的問題：

set langmenu=en_USlet $LANG = en_USsource $VIMRUNTIME/delmenu.vimsource $VIMRUNTIME/menu.vim

termencoding

termencoding是Vim用於屏幕顯示的編碼。Vim會把內部編碼轉換為屏幕編碼，再用於輸出。內部編碼中含有無法轉換為屏幕編碼的字元時，該字元會變成問號，但不會影響對它的編輯操作。如果termencoding沒有設置，則直接使用encoding而不進行轉換。

例如，你在Windows下通過telnet登錄Linux工作站時，由於Windows的telnet是GBK編碼的，而Linux則使用UTF-8編碼，因此telnet下的Vim中就會亂碼。此時有兩種消除亂碼的方式：你可以將Vim的encoding改為gbk，或者保持encoding為utf-8，而將termencoding改為gbk。顯然，使用前一種方法時，如果編輯的文件中含有GBK無法表示的字元時，這些字元就會丟失。但如果使用後一種方法，雖然由於終端所限，這些字元無法顯示，但在編輯過程中這些字元並不會丟失。

你可以利用以下命令設置termencoding：

set termencoding=utf-8

對於圖形界面下的GVim，它的顯示不依賴TERM，因此termencoding對於它沒有意義。在GTK2下的GVim中，termencoding永遠是utf-8，並且不能修改。而Windows下的GVim則忽略termencoding的存在。

fileencoding

當Vim從磁碟上讀取文件時，會對文件編碼進行探測。如果文件的編碼方式和Vim的內部編碼方式不同，Vim就會對編碼進行轉換。轉換完畢後，Vim會將fileencoding選項設置為文件的編碼。當Vim存檔時，如果encoding和fileencoding不一致，Vim就會進行編碼轉換。因此，通過打開文件後設置fileencoding，可以將文件由一種編碼轉換為另一種編碼。

set fileencoding=utf-8

注意：因為Vim是在打開文件時，自動探測和設置fileencoding的，所以，如果出現亂碼，就無法通過在打開文件後重新設置fileencoding來糾正亂碼。

fileencodings

編碼的自動識別，是通過設置fileencodings實現的。fileencodings是一個用逗號分隔的列表，列表中的每一項是一種編碼的名稱。當我們打開文件時，Vim按順序使用fileencodings中的編碼進行嘗試解碼，如果成功的話，就使用該編碼方式進行解碼，並將fileencoding設置為這個值；如果失敗的話，就繼續檢驗下一個編碼。因此，我們在設置fileencodings時，一定要把嚴格的編碼方式放在前面，把寬鬆的編碼方式放在後面。例如，latin1是一種非常寬鬆的編碼方式，任何一種編碼方式得到的文本，用latin1進行解碼，都不會發生解碼失敗。當然，解碼得到的結果也很可能會是亂碼。因此，如果你把latin1放到fileencodings的第一位，那麼打開任何中文文件都會顯示亂碼了。推薦使用以下fileencodings設置：

set fileencodings=ucs-bom,utf-8,cp936,gb18030,big5,latin1

其中， ucs-bom 是一種非常嚴格的編碼，非該編碼的文件幾乎沒有可能被誤判為ucs-bom，因此放在第一位。utf-8也相當嚴格，除了很短的文件之外也是幾乎不可能被誤判的，因此放在第二位。接下來是 cp936、gb18030、big5 這些編碼相對寬鬆的編碼。而最為寬鬆的 latin1 編碼，則放在列表的最後。

如果編碼被誤判了，解碼後的結果就會顯示為無法識別的亂碼了。此時，如果你知道這個文件的正確編碼，可以把fileencodings改成只有這一種編碼，阻止任何 fall-back 發生，然後重新打開這個文件。

編碼轉換

當我們看到類似「忽然」的編碼時，可以通過以下命令將&#後的數字，經由函數nr2char()轉換為可讀的文字：

:%s/&#([0-9]+);/=nr2char(submatch(1))/g