如何做一个案文文件具有多于一个编码?
https://stackoverflow.com/questions/2260986
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian题
我有一个文件，该文件是ANSI编码。然而，它显示了阿拉伯字母。这个文本文件是由一些程序(我没有信息)，但是它似乎有某种内部编码(如果我可以说，如果这是可能的)阿拉伯文的信件作出现。
是有这样的事情？如果没有，怎么能ANSI文件显示的阿拉伯字母?
*如果可能的解释Java码
版01
当我打开它在记事本++它显示的网页的编码是ANSI。请查看这张照片：
http://www.4shared.com/file/221862075/e8705951/text-Windows.html
版02
你可以检查的文件：
解决方案
我试图打开文件在两个Firefox和Opera。我不得不设置的字符编码阿拉伯语的Windows-1256让它在这两种浏览器中正确显示，所以文件的编码是最有可能是。
注意： 我最初发布这个作为一个评论，但被要求让一个答案。
其他提示
你怎么知道它的ANSI编码？如果它不是一个多字节编码，如UTF-8，我的猜测是它的使用像这样的一个阿拉伯语代码页编码：的 <强>窗-1256 。
您可以看看在十六进制编辑器文件，并找出号码阿拉伯字符具有和这种方式试图找出哪些编码/代码页它与创建。
简短的回答:有可能的，你的文本文件不是"ANSI"编码，但utf-8。
只要回答:
第一，该术语"ANSI"(Windows)并不意味着一个固定编码；它的意义取决于你的语言设置。例如，在西欧和美国，它通常会 Windows-1252 (一的变体 ISO/IEC8859-1，也称为拉丁-1)，在日本，它的 移JIS, 和在阿拉伯国家，它的 ISO/IEC_8859-6.
如果您使用的是非阿拉伯语版本的Windows和起伏不改变了你的语言设置的，你可以看看阿拉伯字母的文件，当你打开它在记事本，那么它肯定不是在任何这些ANSI编码。相反，它可能是 Unicode.
注意我的意思不是"UNICODE"，这通常意味着窗户 UTF-16LE.这可能是 UTF-8 为好。两者都是编码，可以进行编码，所有的每100 000+符的当前定义的Unicode，但他们这样做的方式不同。两者都是 变长编码, ，意味着，并不是所有的字符编码使用的同位数。
在UTF-8，每个字符编码为一至四节。编码已经这样选择的ASCII字符编码在一个字节。
在UTF-16,每个字符编码为两个四字节。这个编码最初被发明出来的时候Unicode只有不到64K字，和一种因此可以进行编码的每一个字在一个单一的16位字。后来，当人们清楚地看到，Unicode会已经成长超出了64K限制，方案发明了其对话范围0xD800-0xDFFF用于代表人物之外的第64K(减0x800)符。
看看有什么实际的文件，打开它在六编：
- 如果前两个字节FF菲，那么很可能UTF-16LE(little endian)
- 如果第一两个字节是FE FF，那么很可能UTF-16BE(big-endian，不可能在Windows)
- 如果第一三个字节的EF BB BF，那么很可能UTF-8
- 如果你看到很多00字节，它可能UTF-16(或UTF-32,如果你看到的对00字节)
- 如果阿拉伯字符占据一个单一的字节，它可能是ISO-8859-6(例如ش会D5)。
- 如果阿拉伯字符占据多个字节，它可能UTF-8(例如ش将是D8B4)。
是否有这样的事？
没有
如果没有，怎么能在ANSI文件显示阿拉伯字母？
这不是一个Windows的ANSI编码的文件。更可能的是，它采用了的可变长编码，最有可能的UTF-8：UTF-8等同于它们在US-ASCII位置（实际上，它是这样设计的），并由此推断也有许多共同的字符位置对于Windows的ANSI。
修改：我们要感谢微软这种混乱。 “ANSI”当涉及到编码没有很好规定。通常它的意思代表与代码页1252（“Windows的1252”），这恰好对应于“西方”字母源自拉丁文的Windows的默认编码。
然而，在其他国家使用的Windows的默认编码（在旧版本的Windows ......今天，默认为UTF-8）的不的Windows的1252，而是一个不同的编码，然后将其也被称为“ANSI”。在这种情况下，代码页1256。
ANSI字符编码允许217个字符，并且不包含阿拉伯字母。我认为也许是文件使用的替代编码。
Anwsering您的编辑，看来这个问题是用记事本+ +，因为什么被显示显然是超出了ANSI字符集的能力。
第一，我下载你的文件，并试图使用vim来检查它的编码，它似乎并不知道和第二机它说latin1这可能是类似记事本++发生了什么（给了通用的答案）。< BR>
所以我也file data.txt和输出是这样的：
data.txt: ISO-8859 text, with CRLF line terminators
希望这有助于。
修改：结果 使用浏览器的事情表明，这个答案是不正确。
ISO-8859-4和ISO-8859-13可以显示文本，没有出现错误，但人物，其中未在阿拉伯语。
