如何将“二进制文本”转换为“可见文本”？

Question

我有一个非ASCII字符的文本文件。 我无法通过file或enca检测编码。

file non_ascii.txt
non_ascii.txt: Non-ISO extended-ASCII text

enca non_ascii.txt
Unrecognized encoding

但是我可以在Windows Notepad ++中正常打开它

编辑：上面的表达引起了误解。非常遗憾。 事实上，我选择了原始文件的一些部分并将它们放入新的文本文件中，然后在记事本++中打开。

2部分如下所示。它们由记事本++以两种不同的方式解码。

问题：

1. 我如何检测linux下的文件编码？
2. 如何恢复<F1><EE><E9><E4><FF>代表的字符？ 即使“сойдя”编码为<F1><EE><E9><E4><FF>，我也无法通过“grep'сойдя'win.txt”获得结果？

文件内容切片如下：

less non_ascii.txt
"non_ascii.txt" may be a binary file.  See it anyway?
<F1><EE><E9><E4><FF>
<F2><F0><E0><EA><F2><EE><E2><E0><F2><FC><F1><FF>
<D0><F2><E9><E4><D7><E9><E7><E1><EC><E1><F3><F8>
<D1><E5><EA><F3><ED><E4>
<F0><E0><E7><E3><F0><F3><E7><EA><E8>
<EF><EE><E4><F1><F2><E0><E2><EB><FF><F2><FC>
<F0><E0><E7><E3><F0><F3><E7><EA><E5>
<F1><EE><E9><E4><F3>
<F0><E0><E7><E3><F0><F3><E7><EA><E0>
<F1><EE><E2><EB><E0><E4><E0><EB><E8>
<C1><D7><E9><E1><F0><EF><FE><F4><E1>
<CB><C1><D3><D3><C9><D4><C5><D2><C9><D4>
<F1><EE><E2><EB><E0><E4><E0><EB><EE>
<F1><EE><E9><E4><E8>
<F1><EE><E2><EB><E0><E4><E0><EB><E0>

Answer 1

您的问题实际上有两个部分：（1）如何识别未知编码？（2）如何将其转换为有用的东西？

第一部分是真正的挑战，实际上无法用普遍的术语来回答 - 在一般情况下，没有可靠的方法来识别未知的8位编码。有些编码会给你很好的提示（UTF-8是一个很好的例子），在很多情况下，如果你很清楚文本应该代表什么，问题就可以解决了。

mapping of 8-bit character meanings可能会有所帮助（咳嗽，链接是我的），在这种情况下，请快速提示Windows code page 1251。感谢十六进制转储和带有您期望的图像的图片！

通过这种方式，转换很容易。

iconf -f cp1251 -t utf-8 non_ascii.txt >utf8.txt

如果您的Linux系统已设置为在终端上使用UTF-8，则grep命令现在应在utf-8.txt上运行。

有些文字是“ANSI”（无论如何这是一个虚假的术语）的迹象可能只是一个红色的鲱鱼 - 据我所知，你的摘录中的所有内容看起来都是格式良好的CP1251。