我正在尝试使用一些遗留代码来正确显示中文字符。我尝试使用的一个字符编码以0x7F开头，长度为4个字节（包括0x7F字节）。有谁知道这是什么样的编码以及我可以在哪里找到它的信息？感谢..
更新： 我还必须使用一些日语编码，它以0xE3开始每个字符并且长度为3个字节。如果我在Windows中选择日语语言环境，它会在我的计算机上正确显示，但是它在我们的应用程序中无法正确显示。但是，如果选择了除日语之外的任何其他语言环境，我甚至无法正确查看文件名。所以我猜这个编码不是Unicode。有人知道这是什么吗？是ANSI吗？它是Shift JIS吗？
对于中国人来说，我用Unicode和UTF-8字符对它进行了测试，我得到了相同的模式; 0x7F后跟三个字节。 Unicode和UTF-8是一样的吗？
答案 0 :(得分：8)
我尝试使用的一个字符编码以0x7F开头，长度为4个字节
其他字节是什么？你有这种编码的拉丁文吗？
如果它是“0x7f 0x ... 0x00 0x00”你正在看UTF-32LE。它也可以是两个UTF-16（LE或BE）字符。
大多数东亚编码使用0x80-0xFF作为非ASCII字符的前导字节;我所知道的不会使用前导0x7F作为ASCII删除以外的任何东西。
ETA：
应该有Byte Order Marks吗？
如果有一种带外方式的信号表明编码是'UTF-32LE'（可能是在它到达之前丢失的那个），则不需要BOM。
我还必须使用一些日语编码，它以0xE3开始每个字符并且长度为3个字节。
肯定是UTF-8。序列0xE3 0x ... 0x ...将导致U + 3000和U + 4000之间的字符，这是平假名/片假名所在的位置。
如果我在Windows中选择日语语言环境，它会在我的计算机上正确显示，但是，它在我们的应用程序中无法正常显示。
那么你的应用程序很可能是非Unicode兼容应用程序中令人遗憾的部分之一，仍然使用'W'后缀内的'A'（*）版本的Win32接口。您是否可以根据其实际编码读取字符串是没有意义的：符合非Unicode标准的应用程序永远无法在西方语言环境中显示东亚表意文字。
（*：以“ANSI”命名，这是Windows对“目前无论系统代码页设置如何”的误导性术语。这就是为什么更改您的语言环境会影响它。）
ETA（2）：
好的，破解了。它不是我之前遇到过的任何标准化编码，但如果你假设编码Unicode代码点的前提，则解密起来相对容易。
0x00-0x7E: plain ASCII
0x7F A B C: Unicode character
Unicode转义中编码的字符可以通过将索引放在A，B和C的键字符串中并加在一起来计算：
A*0x1000 + B*0x40 + C
也就是说，它是一个基本的64字符集，但它不是通常的Base64标准。一些实验给出了一个关键字符串：
.0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ_abcdefghijklmnopqrstuvwxyz
'。'和'_'字符是猜测，因为您发布的所有字符都不会使用它们。我们需要更多数据才能找到确切的字符串。
所以，例如：
0x7F 3 u g
A=4 B=58 C=44
4*0x1000 + 58*0x40 + 44 = 0x4EAC
U+4EAC = 京
ETA（3）：
是的，通过手动取出每个代码点并作为角色加入，创建本机Unicode字符串应该很容易。不太确定你所使用的平台上有什么可用，但任何支持Unicode的平台都应该能够简单地从代码点创建一个字符串（希望无需手动重新编码为UTF-16LE字节）。
我认为它必须是Unicode代码点，注意三个示例字符在相同的一般范围内具有第一个转义字符，并且与它们的Unicode代码点具有相同的数字顺序。其他两个字符似乎随机变化，因此它很可能是代码点的大端编码，并且可能是6位的base-64编码与可读ASCII中的位数一样多。
标准Base64本身以字母开头，这些字母会以一个数字开头，这个数字太多，不能在Basic Multilingual Plane中。所以我开始猜测'0123456789ABCDEFG ...'这将是键字符串的另一个显而易见的选择。这得到的数字接近给定字符的代码点，但有点太低了。在键字符串的开头插入一个额外的字符（因此数字'0'不映射到数字0）得到一个字符正确，另外两个字符非常接近;正确的那个没有小写字母，所以只改变小写字母我在大写和小写之间插入了另一个字符。这提供了正确的数字。
不能保证这实际上是正确的，但（除了任意选择插入的字符外）很可能是它。
答案 1 :(得分：1)
您可能需要查看维基百科上的chinese character encoding页面。我能看到的唯一编码总是4个字节UTF-32。
GB 18030是当前标准的中文字符集，但长度可以是1到4个字节。
答案 2 :(得分：1)
试试chardet。它可以很好地猜测一串字节的字符编码。
Unicode和UTF-8是否相同？
没有。 UTF-8只是将Unicode字符表示为字节序列的一种方法。 Unicode是完整的标准，为每个字符分配数字和人类可读的标识符，以及关于字符的大量元数据。
答案 3 :(得分：0)
它可能是有效的unicode编码，例如utf-8或UTF16代理对。
答案 4 :(得分：0)
是的，中文版是UTF-8，Unicode的实现（编码）。 UTF-8对于ASCII字符长1个字节，对其他字符长达4个字节。