编码问题:解码怪物字符/ mojibake字符串

Question

我有一个“怪物人物”的句子(有人寄给我)。

��èm2，��è�：�èéè�én元，�°�，��，����，����，�，����，����，)，澳大利亚人.

有什么办法把它解码回正常的角色吗？

Answer 1

这个答案并不是真正的解决方案，但是在互联网上有一些软件提供了编码修复功能，可以完成这项工作。

其中一个是中文软件( http://www.cpatch.org/thread-12818-1-1.html )。我把链接放在这里，以防有人在找它。

我尝试使用PHP函数mb_detect_encoding和iconv，但它们都不能成功地转换字符串。由于复制和粘贴不完整，数据可能永久丢失。

Answer 2

从理论上讲，这是可能的。

您可以反转各种编码。例如，有一个工具可以用俄罗斯的这里来实现这一点。

当然，自动这样做要好得多；这是可以做到的，因为像Microsoft这样的程序在打开文件时也会做类似的事情。如果尝试用Word打开二进制文件，您会发现它有时会提示您选择编码，因为它找不到编码，并显示了最可能的编码列表。

我认为这样做的方式是检查有关字符事件的统计数据。例如，在英语中，"e“和"t”比"q“和"j”发生的频率要高得多。这是众所周知的；Morse代码只使用一个点和一个破折号表示"e“和"t”，而四个点和破折号表示"q“和"j”。

因此，一个这样做的假设工具可能会尝试大量的编码组合(很多！)看看哪一种最像一种真正的语言。

其他启发式方法可能是每种语言的字典，但这开始成为一个非常密集的过程。