我有一个用葡萄牙语写的UTF-8文件。不知何故,生成文件的人选择了错误的编码,文本中充满了mojibake
IDENTIFICAÌàÌÄO instead of identificação
André instead of André自动化工具看不到文件有任何问题。我试着用Python package ftfy解决这个问题,但是没有效果。除了手动替换所有不正确的字符外,我如何修复此文件?
发布于 2018-01-25 07:09:53
“Andrç©”而不是"André“是UTF-8编码的拉丁文-1解释。你可以通过反转编码/解码来修复它:
>>> 'André'.encode('latin-1').decode('utf-8')
'André'所有遵循此模式的情况都可以像这样修复。
然而,我无法解释另一种情况(用“µ”表示"ç“,用”u“表示"ã"),因此无法提供解决方案。如果您可以找到一个编解码器,其中“µm”、"à“和”A7“分别具有代码点C3、A7和A3,那么您可以使用这个代码点而不是拉丁语-1来修复文本。
https://stackoverflow.com/questions/48430825
复制相似问题