阅读口径
本文保留原字符串；操作在副本上进行，候选结果需由来源证据核对。
字符不是文件里的字节
Unicode 码点是字符的编号，例如 U+0041 表示 A；UTF-8 是把码点写成字节的一种方式。说文件是 Unicode 仍不够，需要说明实际使用 UTF-8、UTF-16 等哪种编码。
规范参考：Unicode：UTF 与 BOM 问答。操作场景与排查建议为本站说明。
原字符串的长度有不同答案
本地计算中，馃崙馃悢有 4 个码点，按 UTF-8 存储占 12 字节。前面的 GBK 候选实验得到 8 字节，是对同一文本使用另一种编码的结果；不能把 12 与 8 的区别当成文件损坏。
排查时把两个方向分开
写文件时把字符编码为字节，读文件时把字节解码成字符。记录生产端写入设置与消费端读取设置，不要仅在显示端反复换字体。新建文本交换流程优先统一 UTF-8。
可执行检查单
- 01记下文件的生产方式与声明编码。
- 02在副本上查看原始字节，不用截图替代。
- 03用明确编码读取并比较码点。
一个常见问题
UTF-8 文件一定不会乱码吗？
不会自动避免。UTF-8 字节仍可能被错误地当成其他编码读取，也可能在写入之前就已经包含错误文本。
本页结论
将字符编号、文件字节和屏幕字形分开记录，才知道应该修哪一层。