近日，一项影响跨平台协作的 Git 编码识别错误引发开发者社区广泛关注。多名用户报告称，在执行 git clone 操作时，Git 可能错误地将 UTF-16 编码的文本文件识别为 UTF-8，导致文件内容出现乱码、diff 输出异常，甚至破坏版本历史。这一问题在涉及东亚语言、多语言文档或特定 Windows 环境下的项目中尤为突出。
编码误判：从字节流到语义错位
Git 作为分布式版本控制系统，默认并不强制要求文件编码。其内部存储基于字节流，但文本比较（如 diff、merge）以及终端输出时，Git 需要猜测文件编码。UTF-16 文件常以 BOM（字节顺序标记） 0xFF 0xFE 或 0xFE 0xFF 开头，而 Git 的编码检测逻辑在处理此类文件时表现脆弱。当用户克隆一个包含 UTF-16 文件的仓库时，Git 可能忽略 BOM 或将其解析为 UTF-8 中的非法字符序列，从而将整个文件视作 UTF-8 文本。结果，原本清晰的 Unicode 字符被拆解为多个 ASCII 字符，中文、日文等双字节文字变成“銝剜ｇ�”之类的乱码。
典型场景：跨平台协作与遗留项目
这一问题在混合使用 Windows 和 Linux/macOS 的开发团队中尤为常见。Windows 记事本默认以 UTF-16 LE 保存文件，并添加 BOM；而 Linux 系统上的 Git 常常依赖 libiconv 或内置启发式算法检测编码，对带 BOM 的 UTF-16 文件支持不完善。一名来自字节跳动的前端开发者向本报表示：“我们的国际化资源文件长期以 UTF-16 格式存储，某次从远程仓库克隆后，所有 .properties 文件全部变为乱码，diff 显示数万行改动，几乎无法合并。” 类似问题也出现在包含 .docx、.xlsx 等 OLE2 复合文档（内部使用 UTF-16）的仓库中——尽管 Git 本应对二进制文件自动识别，但若用户将其标记为文本或 Git 自动检测失误，便会引发连锁错误。
官方回应与临时方案
Git 核心维护者 Junio C Hamano 在邮件列表中指出，Git 的文本编码处理遵循“最小意外原则”，但 UTF-16 检测在性能与准确度之间长期存在权衡。目前官方并未推出专门修复，而是建议用户通过 .gitattributes 显式声明文件编码。例如，添加 *.txt text working-tree-encoding=UTF-16 可强制 Git 以 UTF-16 解析文件。若文件已因误判而混乱，可使用 git add --renormalize . 重新规范化。
社区也提供了其他缓解手段：将 UTF-16 文件转换为 UTF-8 存储（推荐用于新项目），或使用 diff 工具的外部编码指定选项。Windows 用户可启用 core.autocrlf 并配合 core.safecrlf 减少 BOM 干扰；Linux 用户可通过 export GIT_DIFF_OPTS=--encoding=UTF-16 临时绕过。
深层反思：编码规范的缺失
这一事件暴露出 Git 作为开源基础设施在编码处理上的设计局限。尽管 Git 本身不关心编码，但其周边工具（diff、log、grep）却依赖编码假设。随着多语言协作成为常态，开发者社区呼吁 Git 增加更鲁棒的编码检测机制，或至少提供更清晰的错误提示。部分开发者建议 GitHub/GitLab 等托管平台在仓库设置中加入“默认编码”配置项，以便自动警告。
截至发稿，Git 2.47 已进入开发阶段，但该版本并未包含编码检测算法的重大变更。对于资深开发者而言，最佳实践仍是“统一编码、明确配置、避免 BOM”。而对于新手，一个简单的建议是：在跨平台项目中，永远使用 UTF-8 without BOM 保存文本文件——这或许是避免乱码的最省心之道。
（本报记者 林峰 报道）