什么代码页将'ç'编码为'？º'（0x3f 0xba）

Question

今天我收到了一个客户的文件，我必须阅读，但它包含奇怪的字符。使用已知名称，我可以猜出一些字符的含义。

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.

• 我尝试了所有代码页（已知为.Net）来导入文件，看看它们是否包含我所知道的单词。但是没有代码页让我满意。
• 在Notepad ++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zip文件）以UTF-8编码。

从我收到文件的那个人，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，他正在使用我无法访问的软件（我相信SAP）。

有没有其他方法可以找到他刚发给我的文件的编码？

Answer 1

如果我使用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，我就可以获得这些结果。 “？”来自于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“？”。

---

修改：我使用iconv进行了更广泛的搜索，CP437，CP862或CP865的匹配程度高于CP850。既然你问过，我这次使用的单线是：

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

Answer 2

它应该是UTF-8或UTF-16。 它们几乎包含所有常规字符。 看起来你有解码/编码问题。

notepad ++它可能会混淆，因为你的文件不使用Byte-Order-Mark。

如何处理文件？

尝试将它们作为二进制读取，然后尝试不同的编码来获取字符串。 如果您不将它们作为二进制读取，则可能会发生默认编码。

“？”是一个标志。

可能会that有所帮助。