Character encoding 这对捷克人来说是罕见的字符编码吗？
我最近在多个文件中下载了千兆字节的数据（文本），我想自动处理这些文件。但是，文本的字符集或实际编码是错误的。问题是文本编辑器，如Notepad++、SublimiteText 3或Word，只将其检测为ANSI。我已经尝试了所有可用的字符集，但仍有部分文件不正确 默认ANSI编码（错误的特殊字符）： 泽伦岛附近的奥布杰武耶河（OBJEVUJE SE ZELENÁKNÍKA） Frantík Severýn sedína prázdných bednách od cukru，pohupuje bosýma nohama a naslouchákázánípáněBočanovu。卡扎尼·内帕特·杰姆，nýbrľ 潘尼比尔科夫，克特拉·斯托吉·普尔滕。Frantík se tváří，jako by se nezajímalo nic jiného neľo svézablácenéklátíse nohy。扎蒂姆·瓦拉克 napínáuąi，aby mu neuąlo ani Slovičko »Tak to dál nepůjde，milápani，«křičhokynáa jeho tlustýzátylek 我是鲁德兹洛斯蒂。»Jedno zboínezaplatíte a uľzas chcete novéna dluh。 科帕克·西·迈斯莱特，克拉杜 ISO 8859-2编码（错误的引号）： 在泽伦岛附近 Frantík Severýn sedína prázdných bednách od cukru，pohupuje bosýma nohama a naslouchákázánípáněBočanovu。卡扎尼·内帕特·杰姆，nýbrž 潘尼比尔科夫，克特拉·斯托吉·普尔滕。Frantík se tváří，jako by se nezajímalo nic jiného nežo svézablácenéklátíse nohy。扎蒂姆·瓦萨克 纳皮诺，阿比·穆纽什洛·阿尼·斯洛维科 塔克到达勒·内普·杰德、米拉帕尼、杰奥·特鲁斯特·扎泰勒 我是鲁德兹洛斯蒂。ťJedno zbožnezaplatíte a užzas chcete novéna dluh。 科帕克·西·迈斯莱特，že kradu？Ť 所需输出： 在泽伦岛附近 Frantík Severýn sedína prázdných bednách od cukru，pohupuje bosýma nohama a naslouchákázánípáněBočanovu。卡扎尼·内帕特·杰姆，nýbrž 潘尼比尔科夫，克特拉·斯托吉·普尔滕。Frantík se tváří，jako by se nezajímalo nic jiného nežo svézablácenéklátíse nohy。扎蒂姆·瓦萨克 纳皮诺，阿比·穆纽什洛·阿尼·斯洛维科 »Tak to dál nepůjde，milápani，«křičhokynáa jeho tlustýzátylek 我是鲁德兹洛斯蒂。»Jedno zbožnezaplatíte a užzas chcete novéna dluh。 科帕克·西·迈斯莱特，že kradu？« 这是什么字符编码？ 阅读后，我怀疑它可能是旧的/遗留的，但我不知道如何修复它，因为我不知道任何支持它的软件。另一种选择是，它可能只是损坏了，因为所有的量化标记似乎都被编码为ť/Ť。我如何验证这一点 编辑：十六进制信息：Character encoding 这对捷克人来说是罕见的字符编码吗？,character-encoding,Character Encoding,我最近在多个文件中下载了千兆字节的数据（文本），我想自动处理这些文件。但是，文本的字符集或实际编码是错误的。问题是文本编辑器，如Notepad++、SublimiteText 3或Word，只将其检测为ANSI。我已经尝试了所有可用的字符集，但仍有部分文件不正确 默认ANSI编码（错误的特殊字符）： 泽伦岛附近的奥布杰武耶河（OBJEVUJE SE ZELENÁKNÍKA） Frantík Severýn sedína prázdných bednách od cukru，pohupuje bo
KNͮKA = 4B 4E CD AE 4B 41
»Tak to dál nepůjde = BB 54 61 6B 20 74 6F 20 64 E1 6C 20 6E 65 70 F9 6A 64 65
co má chu» vstát = 63 6F 20 6D E1 20 63 68 75 BB 20 76 73 74 E1 74
使用UTF-8，不是ascii，不是iso-…，不是拉丁语 latin1很接近，但错过了
ř»ŽřčUTF-8中的C2BB C5BD C599 C48D——唯一一个可以处理所有字符的
BB 8E 3F 3Fcp1250中的BB 8E F8 3F
3F AE F8 E8
拉丁语2
注：3F是？
，表示转换问题
HexBB
是拉丁文的ť
。您最近下载了千兆字节的数据。是与商业相关，还是与学术相关？根据具体情况，第一步可能是询问维护或创建原始文件的人员。然后在特定于该语言的论坛上尝试一些专家。这是一本非常有趣的书，这些是txt格式的常规书籍，主要是科幻小说和幻想小说，我想对它们进行统计分析。不幸的是，数据的来源很难联系到……不幸的是，我不熟悉这种语言。需要几天时间才能找到解决方案。要做的一件事是尝试使用一些解析器来验证拼写的正确性。然后你可以把有问题的分类。然而，请小心你在用这些书做什么。其中一些可能有版权。科幻小说并不是那么古老的东西。@KrassiEm，谢谢，我会记住这一点，尽管出于科学目的的衍生作品通常很好：）如果你在Linux上工作，也许你可以为sed（流编辑器）制定正确的模式来执行更正？我很想听听其他对这件事更了解的人的意见。似乎ť和»的编码方式完全相同，因为BB表示信息丢失了吗？我在DL页面上读到，在捷克Windows上用Calibre转换该文件解决了这个问题，但在我的波兰语Windows上它对我不起作用，我也不知道源代码有多可信。如果我读得正确（不是说它是权威资源），捷克语中的“引号”是«ťťť«ťBBťt'