Encoding 在记事本中正确呈现的奇怪字符，但在其他地方作为控制字符

我有一个.csv的企业列表。文件中有一些奇怪的字符。例如，在此字段中：

Stocktonon-Tees

，在

Stockton

和

on

之间的第一个连字符似乎是一个值为

6

的字符，而不是一个值为

45

的连字符。堆栈溢出可能会对此进行隔离，因此您无法看到它，因此这里有一个粘贴箱：

http://pastebin.com/NuyyaQy9

---

有人能解释为什么会这样吗？是不是我遗漏了一些编码问题？还是数据集中的损坏？

是的，几乎可以肯定这是一个编码问题。文件只是由二进制数据组成——重要的是如何解释二进制数据。听起来记事本好像在猜测最初的编码，但你使用的其他任何东西都不是

不幸的是，您没有提到什么软件试图读取文件，或者是什么编写了文件，但是您应该看看编码记事本认为它是什么，然后从那里开始工作

---

如果是您的代码写出了文件，您可以决定编码方式，我推荐UTF-8作为一种通用的、平台可移植的编码方式。

它只是我在某个地方找到的一个数据库。我在pastebin的firefox中尝试了各种不同的编码，但它们的渲染效果都很差，所以我认为这种编码一定很模糊。@Oliver:很可能不是——如果记事本没有弄错，很可能是Windows-1252。