文件格式
什么是 TXT 文件？纯文本、字符编码与 UTF-8
TXT 是最简单的文档格式，只有字符和换行。然而字符编码、BOM 和换行符让它成了最容易出问题的格式之一。本文逐一讲解。
作者: Hemen Dönüştür Editör Ekibi发布日期: 阅读约 7 分钟
TXT 是计算机上最朴素的文档格式：没有粗体，没有字体，没有页面版式，只有字符和换行。正因为简单，它的可移植性极强。五十年前写的文本文件今天依然能打开，你今天写的文件几十年后也很可能照样能打开。但“纯文本”并没有看上去那么简单。重音字母变成“é”或“?”，中文变成一堆乱码，所有行挤成一行，文件开头多出一个看不见的字符：这些问题都源于 TXT 文件中一个隐藏的细节，也就是它的字符编码。本文将介绍 TXT 文件的工作原理，以及如何解决这些问题。
什么是 TXT 文件？
扩展名为 .txt 的文件只包含文本字符。没有文件头，没有元数据，也没有格式；每个字节都属于文本本身。关键的问题是：哪个字节代表哪个字符？这种对应关系称为字符编码，而 TXT 文件通常并不会说明自己使用的是哪种编码，打开它的程序只能去猜。
简要历史：从 ASCII 到 UTF-8
ASCII 于 1963 年以 ASA X3.4-1963 的形式首次发布。它使用 7 位，定义了 128 个字符：英文字母、数字、标点符号以及换行等控制字符。é、ñ、ö 这样的字母，更不用说汉字，都不在 ASCII 之内。
为了弥补这一空缺，出现了代码页，把 8 位字节剩下的 128 个值分配给不同的语言：西欧语言用 Windows-1252 和 ISO-8859-1，土耳其语用 Windows-1254 和 ISO-8859-9，诸如此类；简体中文则使用 GB2312、GBK 这类多字节编码（Windows 代码页 936）。问题在于，同一个字节在不同的代码页中代表不同的字母。例如，字节 FD 在 Windows-1252 中是“ý”，在 Windows-1254 中却是“ı”。猜错代码页的程序就会把文字显示错。
最终的解决方案是 Unicode，它为所有书写系统中的每个字符分配一个唯一的编号。UTF-8 是把这些编号转换为字节最常用的方式。据 Rob Pike 回忆，大约在 1992 年 9 月的一个晚上，Ken Thompson 在新泽西州一家餐馆的餐垫上设计出了 UTF-8。它现行的定义是 2003 年 11 月发布的 RFC 3629：UTF-8 用 1 到 4 个字节编码 U+0000 到 U+10FFFF 之间的所有字符，并且 ASCII 字符的编码与 ASCII 中的单字节完全相同。
网页能说明 UTF-8 的统治地位：根据 W3Techs 2026 年 10 月 15 日的数据，在字符编码已知的网站中，99.1% 使用 UTF-8，其次是 ISO-8859-1（0.8%）和 Windows-1252（0.2%）。
TXT 文件里面有什么？
字符与字节
把单词“café”分别保存为 UTF-8 和 Windows-1252，会得到不同的字节：
文字: c a f é
UTF-8: 63 61 66 C3 A9 (5 字节)
Windows-1252: 63 61 66 E9 (4 字节)把 UTF-8 文件当作 Windows-1252 读取的程序，会把 C3 和 A9 显示为两个独立的字符“é”。反过来，把 Windows-1252 文件当作 UTF-8 读取的程序，会把 E9 视为无效字节并显示为“�”。几乎所有乱码问题都属于这两种情形之一。
BOM（字节顺序标记）
有些程序会在 UTF-8 文件开头写入 EF BB BF 这几个字节。这是字符 U+FEFF 的 UTF-8 形式，用作表示“本文件是 UTF-8”的签名。RFC 3629 指出，这个签名总是以这三个字节出现。根据 Unicode 常见问题解答，UTF-8 并不需要 BOM，它只起签名作用；在要求文件开头为 ASCII 字符的协议中应当避免使用。在实践中，BOM 能帮助一些旧版 Windows 程序和 Excel 识别 UTF-8，但也可能导致 Unix shell 脚本以及某些软件读取的配置文件出错。
在 UTF-16 中，BOM 更加重要，因为它告诉读取方字节顺序：FF FE 表示小端序，FE FF 表示大端序 UTF-16。
换行符
表示一行结束的字符也取决于操作系统：
| 系统 | 换行符 | 字节 |
|---|---|---|
| Windows | CRLF | 0D 0A |
| Linux、macOS | LF | 0A |
| 经典 Mac OS（OS X 之前） | CR | 0D |
多年来，Windows 记事本只认识 CRLF，所以在 Linux 上写的文件会显示成长长的一行。Microsoft 于 2018 年 5 月 8 日宣布记事本支持 LF 和 CR，这一改动随 Windows 10 1809 版推送给用户。
TXT 用在哪里？
- 笔记和草稿：不需要格式的速记。
- 软件：README 文件、许可证文本、源代码、配置文件和日志。
- 数据交换：在系统之间传递的简单列表和导出数据。
- 长期保存：需要不依赖任何应用程序进行归档的文本。
- 无障碍与文本处理：屏幕阅读器、搜索引擎和文本分析工具最干净的输入。
优点与缺点
优点：所有设备和操作系统都能打开。文件极小。不依赖程序版本，损坏的风险也很低。Git 等版本控制系统可以逐行显示变更。它不能携带宏或嵌入对象，因此很安全。
缺点：无法容纳格式、图片、表格或链接。由于编码没有记录在文件中，可能会被猜错。换行符的差异会在不同系统之间引发一些小而烦人的问题。如果需要标题和列表这样的结构，Markdown 是更好的选择。
哪些程序可以打开 TXT？
Windows 上的记事本、macOS 上的“文本编辑”以及 Linux 上的 gedit 等编辑器都能打开 TXT，浏览器也可以直接显示文本文件。Visual Studio Code、Notepad++ 和 Sublime Text 等高级编辑器会在状态栏显示编码和换行符类型，并且点一下就能更改，是诊断编码问题最实用的工具。
常见问题及解决方法
重音字符显示为“é”或“ü”
文件以 UTF-8 保存，但读取它的程序假定是 Windows-1252。请在可以选择编码的编辑器中以 UTF-8 重新打开。如果 CSV 或文本文件在 Excel 中显示成这样，另存为带 BOM 的 UTF-8 通常就能解决。
字符被替换成“?”或“�”
文件以旧的代码页（例如 GBK）保存，却被当作 UTF-8 读取。在编辑器中选择正确的代码页打开文件，然后另存为 UTF-8。如果文本保存时已经写入了真正的“?”字符，原来的字符就已丢失，需要回到源文件。
所有文字都显示在一行
旧编辑器无法识别 LF 换行符。请使用最新版的记事本或高级编辑器，或者把换行符转换为 CRLF。
文件开头有一个看不见的字符
那通常是 BOM。如果脚本或配置文件在第一行就出错，请将其另存为“UTF-8 无 BOM”。
TXT 文件转换技巧
在我们的转换器上，TXT 文件会上传到我们的服务器，并在 30 分钟内删除。编码会自动检测：首先检查 BOM（UTF-8、UTF-16 小端和大端）；没有 BOM 时，检查文件是否为有效的 UTF-8；如果不是有效的 UTF-8，就按 Windows-1254（旧的土耳其语 Windows 代码页）读取。因此，GBK 等其他旧编码保存的中文文本，最好先在编辑器中另存为 UTF-8 再转换。含有大量 NUL 字节的文件会被视为二进制文件而非文本，你会看到“这不是文本文件”的提示。
- 使用 TXT 转 Word 和 TXT 转 PDF 时，每一行都会变成一个段落，空行会保留。行首缩进（代码、诗歌或编号条款）会转换为不换行空格以免丢失，行首的制表符会变成四个空格。
- 如果以后想用标题和列表来丰富纯文本，TXT 转 Markdown 是不错的起点。
- 反方向上，PDF 转 TXT 和 Word 转 TXT 会去掉格式，并用空行分隔标题和段落。我们生成的 TXT 文件以带 BOM 的 UTF-8 保存，以便在记事本和 Excel 等程序中正确显示中文和带重音的字符。
常见问题
TXT 文件应该用哪种编码保存？
新文件请用 UTF-8。它支持所有语言，并且在网页上几乎已成为通用标准。如果文件将由期望无 BOM UTF-8 的软件读取，就不要加 BOM；如果要在 Excel 等程序中打开，就加上 BOM。
UTF-8 和带 BOM 的 UTF-8 有什么区别？
内容完全相同，只是带 BOM 的版本以 EF BB BF 这几个字节开头。这个签名能帮助某些程序识别编码，但在另一些程序中可能显示为一个看不见的首字符。
TXT 和 RTF 有什么区别？
TXT 只包含字符。RTF 则通过嵌入在文本中的控制命令携带粗体、斜体、字体和表格等格式。如果不需要格式，TXT 更简单，可移植性也更好。
怎样查看 TXT 文件的编码？
Visual Studio Code 和 Notepad++ 等编辑器会在状态栏显示编码。当前版本的记事本也会在状态栏显示编码和换行符类型。
TXT 文件会含有病毒吗？
纯文本文件本身不包含可执行代码。请留意“document.txt.exe”这样的双重扩展名；在 Windows 中显示文件扩展名可以帮你识破这种伎俩。
