我经常遇到这样一种情况：我希望以人类可读的方式阅读文件的原始内容。在文本编辑器中打开这种文件时，为什么它通常是带有一些完整且易于理解的文本的乱码？我认为如果文件被转换为其原始书写格式之外的其他内容，那么没有可理解的文本，但我经常发现它介于两者之间。
例如，我知道如果我以文本格式打开二进制文件，就不会有任何可理解的东西，这不是纯粹偶然的。
Example screencapture of partial gibberish text
为什么这里有完整的文字和乱码？这是否意味着如果我用某种不同的编码打开文件（我不知道什么是可能的），文件将作为完全可读的文本来传递？我会理解它是全有或全无（无论是胡言乱语还是不可读或人类语言），但我不理解中间。
请提供教育回复，而不是“，因为这就是”类型答案。
答案 0 :(得分：0)
那些是格式化字符;没有标准用途，并且根据相关文件的格式而有所不同。您仍然可以根据需要提取文本，同时了解grep和regex，但它不会很有趣。最好的办法是使用可以正确读取的软件打开文件，因为像gedit或Notepad ++这样的文本编辑器会读取原始数据并显示它。例如，Adobe的pdf格式嵌入了文本，所有乱码都是Reader软件的说明，用于在屏幕上正确显示它，同时仍然允许在需要时提取相对简单的文本。
编辑没有真正的方法来解释特殊的格式化字符，并且需要为每个可想到的程序加载API。它们还需要不断更新，因为格式会因各种原因而定期更改。很多时候，只是为了防止文件向后兼容自己或其他产品，从而强制升级路径。微软因此而闻名，但它们并不是唯一一家这样做的公司。
