Encoding 如何确定文件是否为IBM1047编码

我有一堆XML文件声明为encoding=“IBM1047”，但它们似乎不是：

• 当使用iconv将IBM1047转换为UTF-8或ISO8859-1（拉丁语1）时，会产生无法识别的垃圾
• 文件-我说“未知8位编码”
• 当由XML解析器解析时，解析器会抱怨序言前有文本，但没有；如果将XML声明中的编码更改为其他内容，则不会发生此错误

找到这些文件的真正编码会很好（我尝试了上面提到的'file-I'和'enca'，但仅限于斯拉夫语（文件是法语的））

我几乎无法控制这些文件是如何产生的；除了找到实际的编码之外，如果我能确凿地证明这些文件实际上不是IBM1047，我可能会让制作人对此做些什么

我如何证明它

一些特殊字符：

• “é”是“）”
• “a”是“ë”
• è是Û
• ê是ª

---

证明任何类别的数据流是否以特定方式编码的唯一方法是，对于该类别的至少一个实例，确切地知道流中应该包含哪些字符。如果您对特定测试用例中的字符（应该是）有一致意见，那么您可以计算测试用例的IBM1047（或任何其他）编码中应该包含的位，并将这些位与您实际看到的位进行比较

当然，EBCDIC数据被篡改的一种简单方法是，它沿着使用为其他EBCDIC代码页设计的翻译表的路径通过某个EBCDIC/ASCII网关。但如果您使用的是EBCDIC数据，您可能已经知道了这一点