4

我正在处理由其他人在未知平台上制作的 RTF 文件，并且所有内容都被正确解释，除了一些字符，无论我在 openoffice 中打开它们的任何字符集。这是经过解释的纯文本：

“Même taille que la Terre，même masse，même âgec Vénus a souvent été qualifiée de sœur de la Terre。”

这是原始的ANSI段落：

"M\u234\'3fme taille que la Terre, m\u234\'3fme masse, m\u234\'3fme \u226\'3fge\uc2 \u61825\'ff\'81\uc1 c V\u233\'3fnus a souvent \u233\'3ft\u233\'3f qualifi\u233\'3fe de s\u339\'3fur de la Terre。”

放大：

“âgec Vénus”变为“\u226\'3fge\uc2 \u61825\'ff\'81\uc1 c V\u233\'3fnus”

最后，我们想出什么：

"\uc2 \u61825\'ff\'81\uc1 c"

这里是说我们在 4 字节\uc2和\uc12 字节 Unicode 编码之间来回切换。

\u61825是一个未知的 Unicode 字符。事实上，根据 RTF 规范，任何大于 2^15 的 UTF 字符都应该写成否定形式；带有 ANSI 字符的否定形式应该使记事本可以看到“-”（减号）符号，对吗？所以在这里我已经有了一些我不明白的东西，首先制作 rtf 文件的人使用的 RTF 编写器是如何做到的。也许我错过了规范中的某些内容，具体版本，字符集，我不知道。如果按原样，61825 将对应于 F181，它位于 Unicode 表的私有区域中。

然后，\'ff\'81将使用整个“特定字符”组（其结构通常为\uN\'XX）的 ANSI 等效字段来编码 4 字节长的内容。又在这里，我找不到：

  • 引用的代码页（Windows-1252、ISO-8859-1、其他？）是什么（就像文件中出现\uN\'XX序列的所有其他位置一样，XX始终3F是“？”的 Windows-1252 代码，所以它没有给我太多信息）

  • （看起来\'FF像转义序列中的一些控制字符！）代表什么，然后为什么\'81...实际上，\u61825到十六进制的翻译是F181，而不是FF81...我在这里迷路了！

最后，翻译文本（法语）让我们期待的是“：”（分号）：“与地球相同大小，相同质量，相同年龄：金星经常被称为地球的姐妹”。这是有道理的。但是哪个 rtf 的作者能想象出如此复杂的分号代码呢？

所以再一次，经过1小时的搜索，我向你们提出问题：有人认识这个吗，可以告诉我使用了什么控制字编码，61825是否有大端/小端/2的补码混乱，与 相同\'ff\'81，它将组装为FF81而不是F181，它本身并不意味着什么......这里我的问题只是想知道是否有办法从奇怪的 RTF 编码中找到完整的原始文本！

4

1 回答 1

2

翻译后的文本（法语）会让我们期待的是“：”（分号

Nearly：应该是省略号。您可以在此处查看源文本。

省略号通常应该简单地写成三个句点，但传统上，为了更好地控制它们的间距，在存在可以进行自动字形替换的复杂文本布局算法之前，有一个单独的字符表示省略号。因此，存在一个 Unicode 兼容字符 U+2026 HORIZONTAL ELLIPSIS 以允许往返到旧编码，例如 Windows 代码页 1252，它是字节 133。

但是，这不是您的 RTF 文档中编码的内容。那太简单了。

61825 是一个未知的 Unicode 字符。

这是一个私人使用区域字符，这意味着它可以代表任何东西。Word 已将某些常见的符号字体导出为 PUA 字符 - 请参阅此帖子了解背景。

所以有人可能在某个时候使用了符号字体，其中代码单元 129（U+F181 中的 0x81，61825）映射到看起来像省略号的东西。那个字体是什么，我不知道！它似乎不是常见的嫌疑人之一（Symbol、Wingdings、Webdings）。您现在可能只需要手动将 U+F181 替换为 U+2026 ，除非您可以找到有关源的更多信息。

于 2012-04-14T11:48:43.223 回答