从一张问号字幕说起
2003 年夏天，我到表哥家过暑假，他家那台二手组装机放在靠窗的位子上，显示器还是 CRT，鼓鼓的像个小电视。他神秘兮兮地塞了一张《英雄》的 VCD 进去，说“这是最新的”，结果播放器一打开，字幕那一栏整整齐齐全是问号。我们俩坐在那里，靠画面猜台词，张曼玉和梁朝伟在胡杨林里那段，我们猜他们说的是“走吧”，其实人家说的是“你为什么不拔剑”。那天下午我们猜了三个钟头，从两点猜到五点，蚊子咬了我一腿的包。
后来我才知道，那是一种非常典型的乱码：字幕文件是 GBK 编码，播放器却按 ISO-8859-1 去读，中文的每个字节都被拆成了两个西文字符，显示出来就成了一串问号和怪符号。你看，事情其实很简单，但在 2003 年的那个下午，对我一个十二三岁的小孩来说，这简直像魔法失灵。字幕机、光盘、播放器，三个东西只要有一个没对上，满屏的字就集体叛变。
我后来收了不少乱码现场。最让我印象深刻的是老张，他在潘家园花了 80 块钱淘到一台 1998 年的字幕机，搬回家插上电，屏幕上跳出一行“编码错误，请重试”。老张不恼，反而乐了半天，说这玩意儿是“文物级 bug”。他把机器擦干净摆在书架上，逢人就讲这段。我问他为什么不修，他说：“修好了就没意思了，它现在这样，才像个有故事的老家伙。”我觉得他说得对，有些乱码不该被修复，它们就该待在那儿，提醒你文字也曾经水土不服过。
编码这东西，说白了就是一本翻译手册
我常跟朋友打比方：字符编码就像一本翻译手册。你写“你好”，计算机看到的是两个字节，GBK 手册里这两个字节对应“你好”，UTF-8 手册里对应的却是另外两个字，你拿错手册去查，查出来的当然是一堆谁也不认识的东西。问题在于，2000 年前后那几年，中国互联网上 GBK、GB2312、Big5、UTF-8 四本手册同时在用，谁也不知道对方手里拿的是哪本。字幕组就更难了，翻译的人用 Windows 记事本存成 ANSI，做时间轴的人用 Mac 存成 UTF-8，最后压进视频里，十有八九要出问题。
我记得 2007 年那会儿，字幕组“风软”在论坛里贴过一份通知，一共六条，第一条就是“字幕必须存成 UTF-8 无 BOM”，第二条是“禁止用记事本直接保存”。那份通知我现在还留着截图，字不大，但是每一条都透着被乱码折磨过的怨气。有一回我在一个老论坛里翻到有人贴了三百多张乱码截图，标题都叫“这到底是哪种编码”，底下的人一本正经地分析字节序列，像一群侦探在破案。那论坛叫“乱码博物馆”，2010 年还在，后来就没了。
这话可能有点矫情，但我确实是这么想的。现在播放器都聪明了，自动识别编码，乱码基本绝迹，可我也说不清是好事还是坏事。乱码少了，那种“大家一起猜”的热闹也少了。前阵子小鹿发来一个 .srt 文件，说“你帮我看下这个乱码”，我打开一看，UTF-16 LE，文件名里还带了个问号。我把它转成 UTF-8，发回去，她回了个“牛逼”。就这两个字，我看了好一会儿，觉得好像又回到了那个猜台词的下午。
这个页面我会一直更新，把收来的乱码现场、编码笔记、还有那些年为了看一部电影折腾出来的土办法，都慢慢放进来。最近还在整理几条早期的入口记录，像 夸克b站看片入口 那种，都是当年为了找带字幕的片源留下的痕迹，看着挺亲切。你别嫌乱，乱才有意思。
