问题标签 [cp1251]

我真的需要一种将 CP1251 表中的所有字符转换为 0 到 255 的 ASCII 码的方法。到目前为止，我发现的唯一方法是 charCodeAt() 函数，它仅适用于高达 128 的代码。对于较高的代码，它发出一个对我不利的 Unicode 数字。

我正在使用诱变剂将 ID3 标签数据从CP-1251 / CP-1252转换为 UTF-8。在 Linux 中没有问题。但在 Windows 上，调用SetValue()wx.TextCtrl 会产生错误：

UnicodeDecodeError：“ascii”编解码器无法解码位置 0 的字节 0xc3：序数不在范围内（128）

我从诱变剂中提取的原始字符串（假设为 CP-1251 编码）是：

我尝试将其转换为 UTF-8：

...甚至将默认编码从 ASCII 更改为 UTF-8：

...但我得到了同样的错误。

是否可以将文件的编码从 UTF-8 更改为 windows1251 而不会丢失西里尔文信息。因为当我明确更改编码时，所有西里尔符号都变得不可读？

我有读取 Paradox 文件 (*.db) 的 Java 应用程序（使用 JDK 1.7）。它适用于拉丁字符。我试图让这个应用程序正确显示西里尔字符，但不断得到不可编辑的结果。

连接数据库的原始代码：

我尝试在获取连接时传递其他属性：

然而那并没有做任何事情。我尝试将字符集指定为“UTF-8”，但这也不起作用。

读取 ResultSet 的原始代码如下所示：

但标题不可读。我也尝试使用 rs.getBytes() 然后将结果传递给 new String 并在构造函数中指定编码，但这也不起作用。

有没有人知道缺少什么。

嗯... Html 页面和 mysql 表包含西里尔文字。为了显示西里尔文字 Барысаў2000 我使用

在网页上。为了将该单词存储在 MySQL 表中，使用了 utf8_unicode_ci排序规则（我已经阅读了一些主题，据我了解，建议使用 utf8_unicode_ci 存储西里尔符号）。但是，我使用 phpMyAdmin 实际看到的是，文本 Барысаў2000 在数据库中存储为 Áàðûñà¢2000，这就是我希望解决的问题。（POST方法+转义危险符号用于将用户的文本保存到数据库中）。但是，当您选择该数据并将其显示在 html 页面上时，它看起来很好：Барысаў2000。

phpMyAdmin 如何为我显示它的问题直到今天才困扰我。今天我试图解决它。

我猜我必须到处使用 utf-8，所以我从

至

现在我的页面显示问题而不是西里尔符号，并且在我的数据库中显示西里尔文本的问题没有解决。谁能告诉我是什么问题？PS 我可以毫无问题地阅读塞尔维亚语和白俄罗斯语（西里尔语）网站，并且可以在我的本地主机上输入西里尔语文本。

谢谢你。

我使用以下代码发送请求：

它以 UTF-8 发送请求，但我需要 cp1251（站点仅适用于此 CP）。如何将其编码到cp1251中？

我完全对gae感到困惑。我有一个脚本，它执行一个发布请求（使用来自 Google App Engine api 的 urlfetch）作为响应，我们得到一个 cp1251 编码的 html 页面。

然后我使用 .decode('cp1251') 对其进行解码并使用 lxml 进行解析。

我的代码在我的本地机器上运行良好：

但是当我将它部署到 gae 时，我得到：

那里的非 unicode 字符如何？为什么本地一切正常？我已经尝试了在我的代码中放置的所有解码\编码变体 - 没有任何帮助。我现在被困了几天。

UPD：另外，如果我在 GAE 上添加到我的脚本：

它以“unicode”的形式返回。所以，我相信 html 被正确解码。会不会是 GAE 上的 lxml ？

我有一堆使用 Adob​​e Distiller 6 从 Word 打印的 PDF (1.4) 文件。嵌入了字体（Tahoma 和 Times New Roman，我在我的 Linux 机器上拥有）并且编码显示为“ANSI”和“Identity-H”。现在通过 ANSI，我假设区域代码页是从 Windows 机器使用的，即 CP-1251（西里尔文），关于“Identity-H”，我假设这是只有 Adob​​e 知道的东西。

我只想提取文本并索引这些文件。问题是我从pdftotext. 我试图从 Acrobat 导出示例 PDF 文件，但我再次得到垃圾，但另外处理iconv得到了正确的数据：

iconv -f windows-1251 -t utf-8 Adobe-exported.txt

但同样的技巧不适用于pdftotext：

pdftotext -raw -nopgbrk sample.pdf - | iconv -f windows-1251 -t utf-8

默认情况下采用 UTF-8 编码，然后输出一些垃圾：Сiconv: illegal input sequence at position 77

pdftotext -raw -nopgbrk -enc Latin1 sample.pdf - | iconv -f windows-1251 -t utf-8

再次扔垃圾。

我没有CP1251 /usr/share/poppler/unicodeMap，用谷歌找不到，所以试着做一个。我从 wikipedia CP1251 数据创建了文件，并在文件末尾附加了其他地图的内容：

所以这pdftotext不会抱怨，而是源于：

pdftotext -enc CP1251 sample.pdf -

又是同样的垃圾。hexdump乍一看并没有透露任何东西，我想在这里问一下我的问题，然后拼命地试图从中得出一些结论hexdumps

我正在从 url 解析 xml 文件（在下面的代码中），使用file_get_contents()函数和 simpleXML，将数据插入表中，我做得很好，但我有编码问题（俄语单词）我明白了 -> Р§ ерногория ; 文件和数据库编码设置为 utf-8；

我尝试解析 html 文件并生成 pdf。我使用代码

如何定义基本字体，如果我想使用西里尔文/国际字词？