Encoding 制定文件编码：我知道字符串，知道字符，编码是什么？

我正在将csv文件中的数据添加到数据库中。如果我打开CSV文件，一些条目包含项目符号-我可以看到它们<代码>文件表示其编码为ISO-8859

$ file data_clean.csv 
data_clean.csv: ISO-8859 English text, with very long lines, with CRLF, LF line terminators

我如下所示阅读它，并将其从ISO-8859-1转换为UTF-8，这是我的数据库所需要的

    row = [unicode(x.decode("ISO-8859-1").strip()) for x in row]
    print row[4]    
    description = row[4].encode("UTF-8")
    print description

这给了我以下信息：

'\xa5 Research and insight \n\xa5 Media and communications'
¥ Research and insight 
¥ Media and communications 

为什么\xa5项目符号字符转换为日元符号

我假设是因为我读错了编码，但在这种情况下，什么是正确的编码？它也不是cp1252

更一般地说，是否有一个工具可以指定（i）字符串（ii）已知字符，并找出编码方式？

您可以试试

 iconv -f latin1 -t utf8 data_clean.csv 

如果你知道它确实是iso-latin-1

虽然在iso-latin-1中，xA5实际上是一个¥

编辑：实际上这在Mac上似乎是个问题，使用Word或类似的和Arial（？）并打印或转换为PDF。关于字体的一些问题。也许您需要先显式地处理文件。听起来熟悉吗

---

我不知道任何通用工具，但是（链接自）显示

A5

是代码页中的一个要点

更一般地说，是否有一个工具 您可以指定（i）字符串（ii）已知 字符，并找出编码

您可以轻松地用Python编写一个。 （示例使用3.x语法。）

如果你知道你的要点是U+2022，那么

>>> possible_encodings(b'\xA5', '\u2022')
{'mac_iceland', 'mac_roman', 'mac_turkish', 'mac_latin2', 'mac_cyrillic'}

>>> possible_encodings(b'\xA5', '\u2022')
{'mac_iceland', 'mac_roman', 'mac_turkish', 'mac_latin2', 'mac_cyrillic'}