scripting - UTF-8 文件中的坏字符

Question

我有一个 geany 告诉我的文件是 UTF-8 文件，但包含以下字符：

ù 而不是 ù

等等。那是因为 0xC3 + 0xB9 被认为是两个字符，而不仅仅是 U+00F9，对吧？使用 geany，文件的编码已经是 UTF-8，如果我切换到 ISO-8859，我当然不会得到更正的字符。

有没有像 bash 命令、java 类、ruby 模块或魔法药水这样的东西可以自动改变这个东西，而无需手动操作？

编辑：

如果我尝试切换，则无法保存文件，因为出现以下错误：

错误消息：转换输入中的字节序列无效错误发生在“€”（行：1389，列：46）。

Answer 1

听起来 Geany 将文件解释为 ISO-8859-1，正如您所说，这意味着它显示的是两个字符而不是一个字符。

两个可能有用的命令：od和iconv. od 是“八进制转储”，您可以使用它来准确验证文件中的字节。iconv用于将字符串从一种编码转换为另一种编码。

Answer 2

这似乎是 Geany 的错误。如果您打开ANSI文件（在 Windows 中创建），Geany 会将文件解释为ISO-8859-1。当您尝试添加一些 unicode 符号并保存它时，您会得到

An error occurred while converting the file from UTF-8 in "ISO-8859-1".  

尝试Document->Set Encoding->Unicode (UTF-8)并保存文档。它有助于。