MATLAB与Git的恩怨（谈编码格式）

[原创，禁止转载。仅为个人理解，不正确之处欢迎讨论。]

从编码格式说起

Windows下MATLAB的.m文件默认采用GBK格式编码保存，这可以通过MATLAB里运行feature('locale')代码查看。
例如运行结果如下：

feature('locale')语句运行结果

GBK可以理解为中国特色社会主义编码，即为中国而量身打造的，那么它的通用性就不如UTF-8好。例如很多软件可能支持UTF-8，不支持GBK。这时用其他软件（例如Git管理工具GitKraken，代码编写工具VSCode）查看.m文件时就会出现中文乱码的问题。
例如这样：

GitKraken中乱码问题

解决方案

既然GBK不如UTF-8通用性好，那么自然而然我们就想到了让MATLAB以UTF-8编码格式保存和打开文件。
操作如下：

• 找到MATLAB安装目录（例如我的D:\Program Files\MATLAB\R2019a\bin）下的lcdata.xml文件

• 若lcdata.xml文件内都是注释（MATLAB 2016b即以上），则删除该文件。然后将该目录下的lcdata_utf8.xml文件改名为lcdata.xml。

• 打开lcdata.xml文件，该文件整体分为两部分：
  

  image.png

• 在lcdata.xml文件的Codeset entry部分找到以 <encoding name="GB18030"/> 、<encoding name="GB2312" compat="GBK">、<encoding name="GBK">开头的部分并删除（或注释掉），例如为
  

  image.png

• 找到以<encoding name="UTF-8">开头的部分，在其中加入<encoding_alias name="GBK"/>以及GB2312,GB18030,EUC-CN,euccn,936等别名，例如：
  

  image.png

• 重启MATLAB，新建的文件即以UTF-8保存。

原理分析

MATLAB在中文Windows系统上默认采用GBK编码，那么我们在上面的配置文件里把名字叫GBK的部分从Codeset entry里的删了，并且在<encoding name="UTF-8">里加入<encoding_alias name="GBK"/>，意思是UTF-8的别名也叫GBK了。那么MATLAB在找GBK的时候，实际上找的是UTF-8，这样就按照UTF-8保存和打开文件了。

另外比较蛋疼的是，这么改完之后，MATLAB建立的文件用其他软件打开没有问题了，但是，MATLAB打开它以前用GBK格式保存的.m文件时，乱码了，码了，了。这个问题的解决方法是可以用文本文档、notepad++等软件打开，然后全选复制到MATLAB中（新建一个.m文件），再保存覆盖之前的老文件即可。或者用notepad++可以直接将GBK、GB2312等格式转为UTF-8格式。

关于机器学习、算法、Python、计算机等更多内容，请关注微信公众号：

学无止境也