バイトシーケンスc382c2bfを含むテキストデータのソースがあります。文脈上、それは大文字のギリシャのファイ記号（Φ）であると思われます。
とにかく、どのエンコーディングが使用されているのかわかりません。このデータをUnicodeを期待するデータベースに処理するPythonスクリプトを作成していますが、この特定のデータシーケンスで例外がスローされます。
それを処理する方法について何か提案はありますか？
質問する
13593 次
5 に答える
18
UTF-8として解釈され、c382は「Â」U+ 00C2、c2bfは「¿」U+ 00BFです。これはあまり意味がありませんが、技術的に有効なUTF-8データであるため、文字として報告しないでください。レベルのデータエラー。UTF-16として解釈され、それはハングル音節文字であり、エンディアンに応じてCJK統合漢字である可能性がありますが、正式には有効なデータですが、おそらく意図されたものではありません。
これは二重変換の結果のように聞こえますが、知識に基づいた推測を行うことは困難です。Φを表す場合、UTF-16形式は03A6またはA603であり、UTF-8形式はCE A6であり、実際のデータとは実際には似ていません。データの出所に関する情報は、どのトランスコーディングが発生したかを推測するのに役立つ場合があります。
于 2012-07-18T17:13:25.940 に答える
11
それはおそらくÑキャラクターからの二重の変換です。
ÑUTF-8の文字は次のとおり0xc391です。
LATIN-1からUTF-8に、ÑすでにUTF-8でエンコードされている文字を変換しようとすると、次のようになります0xc382c2bf。
なんで？
0xc382LATIN-1文字からのUTF-8変換です（チルダ付きのA）0xc3Ã0xc2bfLATIN-1¿から文字を変換できない場合に取得される文字です（LATIN - 1では無効な文字です）0x91
于 2013-02-08T14:56:29.930 に答える
4
c3 82 c2 bfFWIW、私はからで終わった 。コードのその部分を単純に破棄することができたので、変換については掘り下げませんでした。 これは、wordpress（php）プラグインによって処理されたhtmlメールテンプレートに含まれていると言えば十分です。
于 2014-09-16T14:47:30.407 に答える
0
理由はわかりません。しかし、おそらく風景があるかもしれません。
バイナリx0xxは0xC2x0xxに変換されます
バイナリx1xxは0xC3x0xxに変換されます
したがって、c2とc3がたくさん追加されています。
これはどこで起こりますか？ajax呼び出しのURLクエリ文字列で非ASCIIを送信すると、Flaskサーバーがこれを実行します。
于 2019-01-24T09:34:06.890 に答える
-1
$ str = mb_convert_encoding（$ content、 "UTF-8"、 "UTF-16LE"）;を使用してutf-8に変換した後、外部utf-16ドキュメントからこの文字\ xc3\x82を受け取りました。（PHP）
元のシーケンスは0xA00x00で、コンバーターはおそらくそれをNBSPの意味に変換しました..通貨番号の千単位の区切り文字でした。nbspは\xc2\ xa0であるため、現在、次のように数千の削除があります。
$price = str_replace(["\xc2\xa0","\xc3\x82"], '', $price);
于 2019-08-05T18:57:59.170 に答える