此编码是什么：“ \'ca \'fd \'cf \'d4 \'bf \'a8 \'b3 \'df \'d1 \'af \'bc \'db”？

Question

我正在阅读C＃的文档，该文档应该是中文的，但是却出现如下行：

"}\htmlrtf {\f6 \htmlrtf0 \'ca\'fd\'cf\'d4\'bf\'a8\'b3\'df\'d1\'af\'bc\'db"

有人可以告诉我这种编码是什么，如何解码？

Answer 1

RTF是7位ASCII格式（\htmlrtf命令是Microsoft对RTF格式的扩展）。

在RTF文档中，非ASCII字符可以用两种不同的方式之一表示：

1. 字符集编码为8位字节，然后每个字节以\'XX格式转义。

   这就是您在文档中看到的。因此，十六进制序列\'ca\'fd\'cf\'d4\'bf\'a8\'b3\'df\'d1\'af\'bc\'db是字节序列0xCA 0xFD 0xCF 0xD4 0xBF 0xA8 0xB3 0xDF 0xD1 0xAF 0xBC 0xDB的转义形式。

   要将该字节序列转换为Unicode字符串（C＃使用该字符串），您必须使用RTF文档前面指定的代码页（通过RTF文档标题中的\ansi, \mac, \pc, pca, or \ansicpg command）来解释字节。 ）。

   例如，当使用代码页936或20936（对于简体中文）解释时，上述字节序列是Unicode字符串"数显卡尺询价"。

2. Unicode代码点被编码为UTF-16，然后每个代码单元都在\uXXXX format中转义。