Question

今天我订购了7种不同语言的翻译，其中4种看起来很棒，但当我打开其他3种语言，即希腊语，俄语和韩语时，那里的文字与任何语言无关一点都不它看起来像一堆错误字符，就像你在文件上有错误的编码时那样。

例如，这是韩语翻译输出的一部分：

½Ì±ÛÇÃ·¹ÀÌ¾î

¸ÖÆ¼ÇÃ·¹ÀÌ¾î

¿É¼Ç

我甚至可能不会说一些韩语，但我可以肯定地告诉你不是韩国人。

我认为这是一个文件编码问题，当我在记事本中打开文件时，编码被列为ANSI，这显然是一个问题;其他两种语言也是如此。

有没有人对如何修复这3个文件的编码有任何想法;我要求译员重新上传UTF-8，但与此同时，我想我可能会尝试自己解决。

如果有人有兴趣查看实际文件，您可以get them from my Dropbox。

Answer 1

如果你把字节流视为字节对，它们看起来很模糊，但我不知道它们是你期望与否。

bash$ python3.4
Python 3.4.3 (v3.4.3:b4cbecbc0781, May 30 2015, 15:45:01)
[GCC 4.2.1 Compatible Apple LLVM 6.1.0 (clang-602.0.53)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> buf = '½Ì±ÛÇÃ·¹ÀÌ¾î'
>>> [hex(ord(b)) for b in buf]
>>> ['0xbd', '0xcc', '0xb1', '0xdb', '0xc7', '0xc3', '0xb7', '0xb9', '0xc0', '0xcc', '0xbe', '0xee']
>>> u'\uBDCC\uB1DB\uC7C3\uB7B9\uC0CC\uBEEE'
'뷌뇛쟃랹샌뻮'

您最好的办法是等待翻译人员上传UTF-8版本或让他们告诉您文件的编码。我不会假设它们的字节只是16位字符。

<强>更新

我通过chardet模块传递了它，并将字符集检测为EUC-KR。

>>> import chardet
>>> chardet.detect(b'\xBD\xCC\xB1\xDB\xC7\xC3\xB7\xB9\xC0\xCC\xBE\xEE')
{'confidence': 0.833333333333334, 'encoding': 'EUC-KR'}
>>> b'\xBD\xCC\xB1\xDB\xC7\xC3\xB7\xB9\xC0\xCC\xBE\xEE'.decode('EUC-KR')
'싱글플레이어'

据谷歌翻译，第一行是＃34;单人游戏＆＃34;。尝试用记事本打开它并使用EUC-KR作为编码。

修复文件编码

1 个答案: