字幕显示问号、乱码或方框?SRT编码转换与缺字排查

意扣

导读

快速区分SRT字幕显示问号(???)、乱码(é)与空心方框(□□□)是字符编码错位还是播放器字体缺字,并用VS Code或iconv无损转成UTF-8。

关键词:字幕显示问号; vlc字幕乱码问号; srt转utf8编码; 字幕显示方框怎么解决; srt字幕乱码修复

打开视频发现外挂 .srt 字幕变成了一串问号、怪异符号或空心方框,其实对应着两个完全不同的原因:如果屏幕上出现的是 ``、???、é 或杂乱的拼凑字符,说明遇到了字符编码不匹配(Mojibake)——播放器把旧版区域编码当成了 UTF-8(或者反过来);如果屏幕上是一排大小一致的空心长方框(□□□),则是播放器字体缺字(俗称“豆腐块 / Tofu”)——字幕文件本身已经是标准的 UTF-8,但播放器当前选中的西文字体里没有中文、日文、韩文、泰文或阿拉伯文的字形。

先花 5 秒看一眼屏幕上的乱码长什么样,不仅能找准开关,还能避免在编辑器里误点“另存为”把原字幕彻底毁掉。

一张表分清:编码不匹配 vs. 播放器字体缺字

从老牌字幕库下载的 .srt 纯文本文件没有强制声明编码的文件头,很多早期字幕在保存时使用的是单字节或地区旧编码(如简体中文 GB18030/GBK、繁体中文 Big5、日文 Shift_JIS、韩文 EUC-KR、西欧语言 Windows-1252、西里尔字母 Windows-1251 或阿拉伯文 Windows-1256)。当播放器的默认解码方式与文件真实编码不一致,或者字体库不完整时,画面就会出现以下四类典型症状:

屏幕上的实际表现真正的技术原因为什么会这样正确的解决方向
``(菱形问号)或连续的 ???旧编码字节被强行按 UTF-8 解析GBK、Windows-1252 或 Windows-1251 中的非 ASCII 字节不符合 UTF-8 的多字节校验规则,播放器只能用替换符 `` 占位。先用原始语言编码重新读取 .srt,等文字恢复正常后再转存为 UTF-8。
é、¿、æ—¥ 等怪异拉丁/汉字组合标准 UTF-8 字节被按单字节或旧编码拆读文件原本就是正常的 UTF-8(例如法语 é 占两个字节 0xC3 0xA9),但播放器按 Windows-1252 逐字节拆开显示成了 à 和 ©。将播放器的默认字幕编码改为 UTF-8;若在老电视上播放,可存为带 BOM 的 UTF-8。
整行莫名其妙的生僻字或半角假名符号跨区多字节旧编码错位用 Big5、Shift_JIS 或 EUC-KR 保存的字幕,被系统按简体中文 GBK 或西欧编码解码。在 VS Code 或终端 iconv 中指定对应的源语言旧编码,无损转换为 UTF-8。
整齐划一的空心方框(□□□)播放器字幕字体缺失对应语种字形(Tofu).srt 文件已经是完好的 UTF-8,播放器也准确读出了 Unicode 码位,但当前选中的字体只有英文字母,画不出中日韩或阿语字符。不要改文件编码;去播放器设置里把字幕字体换成支持中日韩/多语种的 Unicode 字体。

举个直观的例子,假设一段法语字幕带有重音字母和西班牙语倒问号:

14
00:01:12,400 --> 00:01:15,100
¿Où est le café ?

如果这份文件当年是以西欧 Windows-1252 编码保存的,而播放器严格按 UTF-8 去读,¿、ù、é 对应的单字节都会因为校验失败被替换成 ``:

14
00:01:12,400 --> 00:01:15,100
O est le caf ?

反过来,如果这份文件本身已经是标准的 UTF-8,但播放器的字幕编码还停留在 Windows-1252,原本代表一个字母的两个字节就会被拆成两个符号:

14
00:01:12,400 --> 00:01:15,100
¿Où est le café ?

动手前先避坑:为什么直接点“另存为 UTF-8”会彻底毁掉字幕?

很多人遇到乱码时的第一反应,是用文本编辑器打开 .srt 文件,看到满屏的 `` 或 ??? 后,直接点菜单里的**“另存为 UTF-8”**。千万不要这样做!

当编辑器窗口里已经显示为 `` 或 ??? 时,说明编辑器刚打开文件就已经用错误的编码把原始字节替换成了占位符。此时一旦点击“保存”或“另存为 UTF-8”,编辑器会把屏幕上这些毫无意义的替换符(U+FFFD 或真实的问号 U+003F)正式写回硬盘,把原本好端端的双字节汉字或重音字母永久覆盖掉。一旦覆盖保存,神仙也无法从一堆相同的问号里还原出原来的台词。

正确的转码铁律只有一条:先换编码重读(Reopen),亲眼看到屏幕上的文字完全恢复正常后,再换编码保存(Save as UTF-8)。

常见语言的旧编码速查表

在重新读取老旧 .srt 文件时,按字幕的实际语种选择对应的历史编码即可:

字幕所属语言应尝试的旧编码(Codepage)未修复前的典型乱码表现
简体中文GB18030 或 GBK台词变成 ``、问号或夹杂拉丁符号的碎片
繁体中文Big5台词变成生僻错字、半角符号或问号
日语Shift_JIS假名和汉字变成半角片假名、乱码符号或 ``
韩语EUC-KR韩文谚文变成 `` 或毫无规律的英文字母组合
法语、西班牙语、德语、葡语、意大利语Windows-1252(西欧)带音标的元音(é、ñ、ü)和弯引号变成 `` 或 é
俄语、乌克兰语、保加利亚语等西里尔语种Windows-1251(西里尔)整行变成 ``,或变成一串带音标的拉丁字母(如 Ïðèâåò)
阿拉伯语Windows-1256(阿拉伯文)变成 `` 或零散的拉丁标点

方法一:用 VS Code 安全将 SRT 转换为 UTF-8(推荐)

Visual Studio Code 之所以适合修字幕,是因为它把**“通过编码重新打开(只改读取方式,不改硬盘文件)”和“通过编码保存(转换并写入硬盘)”**拆成了两步,完全不会误伤原文件:

  1. 先把原始 .srt 文件复制一份留作备份,再用 VS Code 打开它。看到乱码时,不要修改任何文字,也不要按保存。
  2. 看窗口右下角状态栏的编码名称(通常显示为 UTF-8),点击它。
  3. 在顶部弹出的菜单中选择 Reopen with Encoding(通过编码重新打开)。
  4. 根据字幕语种选择上面表格里的旧编码:例如简体中文选 Simplified Chinese (GB18030),繁体中文选 Traditional Chinese (Big5),法语/西语选 Western (Windows 1252),俄语选 Cyrillic (Windows 1251)。
  5. 看一眼编辑区:如果台词还没恢复正常,就再点右下角编码 -> Reopen with Encoding 换下一个候选编码,直到每一句台词、每一个标点都清晰可读。
  6. 确认画面上的文字完全正常后,再次点击右下角的编码名称。
  7. 这次选择 Save with Encoding(通过编码保存) -> 点击 UTF-8。

现在这份 .srt 就被无损转换成了通用的 UTF-8 编码。无论是直接挂进播放器、参考我们的 VLC 双语字幕设置指南 同时挂载两条字幕,还是参照 SRT 字幕文件翻译指南 做后续的双语翻译,都不会再出现编码报错。

方法二:在 macOS / Linux 终端用 iconv 一步转码

如果你习惯用命令行,macOS 和 Linux 自带的 iconv 工具可以在不改动原文件的前提下,用 -f 指定源编码、-t 指定目标编码 UTF-8,直接输出一份全新的正常字幕。

将西欧语言(Windows-1252)字幕转为 UTF-8:

iconv -f WINDOWS-1252 -t UTF-8 old.srt > utf8.srt

将简体中文(GB18030)、俄语(Windows-1251)或日语(Shift_JIS)字幕转为 UTF-8:

# 简体中文字幕转 UTF-8
iconv -f GB18030 -t UTF-8 movie-zh.srt > movie-zh-utf8.srt

# 俄语 / 西里尔字母字幕转 UTF-8
iconv -f WINDOWS-1251 -t UTF-8 movie-ru.srt > movie-ru-utf8.srt

# 日语字幕转 UTF-8
iconv -f SHIFT_JIS -t UTF-8 movie-ja.srt > movie-ja-utf8.srt

注意:> 后面一定要写一个新文件名(例如 > utf8.srt),绝不能写回原文件名(> old.srt),否则 shell 会在 iconv 读取之前先把原文件清空。

编码已经是 UTF-8 却显示空心方框(□□□)?一招修好 VLC 字体缺字

如果屏幕上显示的是整整齐齐的空心方框 □□□,无论怎么折腾文件编码都不会有效果。空心方框代表播放器已经正确解出了 UTF-8 里的每一个字符码位,但在调用当前字幕字体渲染画面时,发现该字体文件里根本没有中文、日文、韩文、泰文或阿拉伯文的笔画(例如电视内置播放器或 VLC 默认挂了仅含拉丁字母的西文字体)。

在 VLC 中解决 □□□ 方框只需更换一下渲染字体:

  1. 打开 VLC,进入 VLC > Preferences(macOS 为“偏好设置”)或 Tools > Preferences(Windows / Linux 为“工具 > 偏好设置”)。
  2. 切换到 Subtitles / OSD(字幕 / OSD)选项卡。
  3. 找到 Font(字体)下拉框,将原本的纯西文字体更换为系统里包含完整中日韩或多语种字形的字体:
    • macOS 推荐: PingFang SC(苹方-简)或 Arial Unicode MS
    • Windows 推荐: Microsoft YaHei(微软雅黑)或 Arial Unicode MS
    • Linux / 跨平台通用: Noto Sans CJK
  4. 顺手将同一面板下的 Default encoding(默认编码)设为 Universal (UTF-8),防止 VLC 把标准 UTF-8 字幕误按本地旧代码页拆开。
  5. 点击右下角的 Save(保存),彻底退出并重新打开 VLC(视频播放过程中 VLC 会缓存旧的字体渲染器,重启播放器后新字体才会生效)。

常见问题

为什么重音字母或倒问号会变成 é 或 ¿?

在 UTF-8 编码规范中,基础英文字母以外的字符由 2 到 4 个字节表示。例如法语的 é 存储在硬盘上是两个字节 0xC3 0xA9,西语的倒问号 ¿ 是 0xC2 0xBF。如果播放器或编辑器被设成了单字节的 Windows-1252 编码,它就会把这两个字节当成两个独立的西欧字符分别印出来——0xC3 0xA9 变成了 é,0xC2 0xBF 就变成了 ¿。只要把播放器的字幕编码切回 UTF-8,不需要改文件就能立刻恢复正常。

已经在记事本里把显示为 ??? 或 `` 的字幕保存了,还能恢复吗?

无法从已覆盖的文件里恢复。因为一旦在显示为 ``(U+FFFD)或 ?(U+003F)的状态下点击保存,原本代表不同汉字或字母的字节已经全部被替换成了同一个问号字节。你需要重新下载原始 .srt 文件,或者从备份中找回原文件,再按本文的步骤先用 Reopen with Encoding 读出正常文字后转存。

SRT 字幕应该存为普通 UTF-8 还是带 BOM 的 UTF-8?

按照 Unicode Consortium 的官方规范,纯文本默认推荐使用不带字节序标记(BOM)的标准 UTF-8,它在现代桌面播放器、移动端以及网页 <track> 标签中兼容性最好。不过,如果你把 .srt 拷进老款电视的 USB 接口,或者在部分旧版 Windows 软件里发现它总是默认按本地旧代码页打开,保存为 UTF-8 with BOM 可以在文件开头写入 3 个标识字节(0xEF 0xBB 0xBF),强制旧设备识别出这是 UTF-8 字幕。

参考资料