如何判斷用什麼編碼生成亂碼的中文文本？

我有一些文字這是從英文翻譯成簡體中國。但是，當我收到文件時，這些字符出現亂碼。因此，舉例來說，我們一行寫着「ÎªÁËÓÐÐ§¡¢¸ßÐ§μØÊμÏÖÄ¿±£ê×¬Äú£îÐèÒªμÄÊÇÊ²Ã'¿」，而不是包含中國漢字我期望的那樣。如何判斷用什麼編碼生成亂碼的中文文本？

我已經試過粘貼上面的字符串轉換爲Python解釋器，將其轉換爲Unicode，並與中國各字符集解碼，都無濟於事。有沒有人有這方面的見解？謝謝。

來源

2017-09-12 Matthew Chatham

你知道什麼是Unicode編碼的原始編碼中使用？ –

@a_river_in_canada不，這就是問題要求的主題。 – JacobIRR

Chardet：

>>> s = "ÎªÁËÓÐÐ§¡¢¸ßÐ§µØÊµÏÖÄ¿±ê£¬Äú×îÐèÒªµÄÊÇÊ²Ã´£¿" 
>>> chardet.detect(s.encode('l1')) 
{'encoding': 'GB2312', 'confidence': 0.99, 'language': 'Chinese'} 
>>> s.encode('l1').decode('gb2312') 
'爲了有效、高效地實現目標，您最需要的是什麼？'

來源

2017-09-12 18:49:10

謝謝你，喬希！這工作，但我還是有點困惑編碼在這種情況下..爲什麼's.encode（「L1」）解碼（「GB2312」）'工作，同時's.encode（「utf-8」）。解碼（'gb2312'）'不？ –

您給出的文本是一串字符，它是一串字節的解釋。爲了確定這些字節的真正含義，我必須對你問題中的字節串進行逆向工程。確定您使用Latin-1在提問時解碼字節串，而不是UTF-8。 –

我明白了，你是怎麼知道Latin-1被用來解碼最初的字節的？ –

如何判斷用什麼編碼生成亂碼的中文文本？

回答

相關問題