6

今天我收到一个客户的文件，我必须阅读，但它包含奇怪的字符。使用已知名称，我可以猜出某些字符的含义。

例如：

Realname  | Encoded as   | sign  | hex
----------|--------------|-------|-------
Françios  | Fran?ºios    | ç     | 3f ba
André     | Andr??       | é     | 3f 3f
Hélène    | H??l?¿ne     | è     | 3f bf
etc.
  • 我已经尝试了所有代码页（.Net 已知）来导入文件，并查看它们是否包含我知道的单词。但是没有代码页让我满意。
  • 在记事本++中打开文件认为它是ANSI，并且还显示不需要的字符。（但它有一个有用的十六进制编辑器插件）。
  • 其他文件（来自同一用户和 zipfile）以 UTF-8 编码。

从我收到文件的那个人那里，我不能指望帮助。（使用谷歌翻译）他向我明确表示，他发现创建文件非常困难，而且他正在使用我无法访问的软件（我相信是 SAP）。

有没有其他方法可以找到他刚刚发送给我的文件的编码？

4

2 回答 2

6

如果我采用 UTF-8 编码的文本，假装它是CP850，然后将其转换为Latin-1、Windows-1252或类似的编码，我可以获得这些结果。这 ”？” 来自 0xc3 处的 CP850 字符是“├”这一事实，它在 Latin-1 或派生编码中不存在，因此转换将其替换为“？”。

编辑：我使用 iconv 进行了更广泛的搜索，并且CP437、CP862或CP865比 CP850 更匹配。既然你问了，我这次使用的单行是：

for enc in `iconv -l`; do echo -n "$enc: "; echo -n "ç é è" | iconv -s -f $enc -t "LATIN1//TRANSLIT" 2>/dev/null; echo; done
于 2011-03-11T14:37:32.817 回答
1

它应该是 UTF-8 或 UTF-16。它们包含几乎所有常规字符。看起来您有解码/编码问题。

notepad++ 它可能会混淆，因为您的文件不使用字节顺序标记。

你如何处理你的文件？

尝试将它们读取为二进制，然后尝试使用不同的编码来获取字符串。如果您不将它们读取为二进制，则可能会发生默认编码。

这 ”？” 是一个标志。

可能会有所帮助。

于 2011-03-11T14:22:50.513 回答