ARCHIVE / SUBTITLE-ENCODING / 2026中文文字字幕乱码：字节、编码与渲染三层排查档案

01三层模型：乱码是在哪一层坏掉的

字幕文件（.srt、.ass、.vtt、.ssa）本质是纯文本。中文字符在 UTF-8 里通常占 3 个字节，在 GBK/GB18030 里占 2 个字节，在 Big5 里又是另一套映射。只要「写入时用的编码」和「读取时用的编码」不一致，屏幕上就会出现与原文无关的符号。

02症状索引：看到什么，指向哪种错位

不同错位会留下高度可辨认的「指纹」。先对号入座，能省掉大量试错。

03排查流程：五步把字幕还原

1. 确认原始字节。用 file -i 字幕.srt 看推断编码，再用 hexdump -C 字幕.srt | head 检查开头是否有 EF BB BF（UTF-8 BOM）。
2. 判断真实来源。老片子、旧论坛下载的字幕多为 GBK/GB18030；近年工具导出多为 UTF-8。文件名里带「简体」「GB」往往是线索。
3. 用正确编码重新解码。能正常显示即为命中；出现问号说明解码器做了不可逆替换，应换回原始文件重来。
4. 统一转为 UTF-8（通常不带 BOM）。保持一种编码贯穿压制、封装与播放。
5. 在播放端核对。播放器字幕编码设为「自动」或显式指定，确认字体能覆盖所用汉字。

04转码工具：常用命令速查

iconv 精确转码

iconv -f GB18030 -t UTF-8 输入.srt > 输出.srt
# 校验结果
file -i 输出.srt
head -n 20 输出.srt

-f 是源编码，-t 是目标编码。若报「非法或不完整的多字节序列」，多半是源编码判断错误，改用 GB18030 往往比 GBK 覆盖更广。

处理 BOM

# 去掉 UTF-8 BOM
sed -i '1s/^\xEF\xBB\xBF//' 输出.srt

压制时的字幕编码

ffmpeg -i 视频.mkv -sub_charenc GB18030 -i 输入.srt -c copy 输出.mkv

-sub_charenc 告诉 ffmpeg 字幕文件的真实编码，避免它在封装时按默认编码猜测。

ASS 的额外注意点

ASS/SSA 头部有 [Script Info] 与样式表。转码只处理文本内容，不要把样式行里的 ASCII 也一并改写；若字幕里声明了 ScriptType: v4.00+，保持原样即可。

05渲染与字体：文件对了还是显示方块

编码正确、播放时仍是方框或豆腐块，问题已经转移到字体层。

• 播放器字幕编码：VLC 在「工具 → 首选项 → 字幕/OSD」里可指定字幕文本编码；PotPlayer 有独立的字幕编码选项；mpv 可用 --sub-codepage=GB18030 临时指定。
• 字体回退：基于 libass 的播放器会按样式字体名查找，找不到时回退。若样式写死了不含汉字的字体，就可能整行变方块，改为系统自带中文字体或留空即可。
• 嵌入字体：ASS 可内嵌字体子集，转码与重新封装时若字体丢失，也会表现为局部乱码。
• 逐行核对：把字幕与视频对照抽查，重点看含生僻字、异体字和全角标点的行。