當 vim 遇到 Big5 或 gb2312 亂碼檔: 「行 1 有不正確的位元」

是否曾經遇到過這樣的中文檔？ 明知道它應該是採用 big5 編碼； 但用 vim 打開時， 卻看到一整片亂碼， 並且顯示錯誤訊息 「行 xx 有不正確的位元」 （"ILLEGAL BYTE in line xx"）。 這是因為只要有任何一個字元編碼錯誤， vim 就會完全不知所措， 連其他正常的字也無法顯示。 這時可以打 :e ++enc=big5 強迫它以 big5 顯示。 含有少數錯誤編碼的 gb2312 檔也可以用相同的方式處理： :e ++enc=gb2312。 我猜日文的 sjis/euc-jp 及韓文的 euc-kr 大概也類似。 若是 utf8 編碼的檔案就不會有這個問題 -- 即便裡面有幾個字是亂碼， vim 還是會正確顯示其他字元。

請下載 含有少數亂碼的 big5 編碼測試檔 或 含有少數亂碼的 gb2312 編碼測試檔。

1. 用 vim 打開， 看到的是整片亂碼。 而且， 不論真正的亂碼在哪一個位置， 永遠都顯示 「行 1 有不正確的位元」。 （順便一提， 其實應該翻成 「列 1 有不正確的位元組」 比較精確， 因為... 直行橫列 啊！）
2. 用 iconv -f big5 -t utf8 corrupted-big5.txt 將編碼轉成 utf8， 可以看到一部分的正確文字內容。 但是 iconv 很脆， 一遇到亂碼就停下來， 印出 「位置 87 有不合法的輸入序列」。
3. 用 perl -MEncode -pe 'Encode：：from_to（$_，"big5"，"utf8"）' corrupted-big5.txt 將編碼轉成 utf8， 可以看到完整的內容， 以及少數幾個亂碼字元。

所以如果只是要閱讀/檢視亂碼檔， 建議用 perl 轉碼。 嫌指令太長嗎？ 可以在 ~/.bashrc 裡面加一句： function b2u（） { perl -MEncode -pe 'Encode：：from_to（$_，"big5"，"utf8"）' $* ； } 以後就可以直接下 b2u corrupted-big5.txt 轉檔了。 （第一次剛設定好時， 必須先登出再登入之後才會生效。）

如果必須進 vim 編輯呢？ 那麼進入 vim 之後， 就下 ：e ++enc=big5 強迫它以 big5 顯示， 一切就正常了。 詳見 ++enc。

不論有沒有強迫轉 big5， 一旦進入 vim， 原來的亂碼就會被 "矯正"， 最後存檔時就會遺失資訊。 如果必須保留原來的亂碼， 那麼一進入 vim 就要立刻下： :e ++bad=keep 強迫它在存檔時別矯正 "尚未刪除的亂碼"。 詳見 ++bad。 我為了製作那兩個範例檔， 就是採用這個模式。 但是這個模式會讓所有中文字元改以十六進位顯示， 根本無法閱讀。 我是靠著插入其他檔案並且摸索著英文與半型標點符號才編出來的。

以上所有指令適用於 gb2312 簡體編碼。 請將指令當中所有的 big5 改成 gb2312 即可。 （但是我在 blogspot 的部落格好像被封鎖了是不是啊？ 這段話大概只對新加坡和馬來西亞的讀者有用吧。）