問題タブ [cp1251]

CP1251 テーブルのすべての文字を 0 ～ 255 の ASCII コードに変換する方法が本当に必要です。これまでに見つけた唯一の方法は、128 までのコードでのみ機能する charCodeAt() 関数です。私には良くないユニコード番号です。

ID3タグデータをCP-1251 / CP-1252からUTF-8に変換するために変異原を使用しています。Linuxでは問題はありません。ただし、WindowsではSetValue()、wx.TextCtrlを呼び出すとエラーが発生します。

UnicodeDecodeError：'ascii'コーデックは位置0のバイト0xc3をデコードできません：序数が範囲内にありません（128）

私が変異原から引き出している元の文字列（CP-1251でエンコードされていると想定）は次のとおりです。

これをUTF-8に変換してみました：

...さらに、デフォルトのエンコーディングをASCIIからUTF-8に変更します。

...しかし、同じエラーが発生します。

キリル文字情報を失うことなく、ファイルのエンコーディングを UTF-8 から windows1251 に変更することは可能ですか? エンコーディングを明示的に変更すると、すべてのキリル文字が読めなくなるからですか?

Paradox ファイル (*.db) を読み取る Java アプリケーション (JDK 1.7 を使用) があります。ラテン文字でうまく機能します。このアプリケーションでキリル文字を正しく表示しようとしていますが、常に読みにくい結果が得られます。

データベースに接続する元のコード:

接続の取得中に追加のプロパティを渡そうとしました:

しかし、それは何もしませんでした。文字セットを「UTF-8」として指定しようとしましたが、うまくいきませんでした。

ResultSet を読み取る元のコードは次のようになります。

しかし、タイトルが読めません。また、rs.getBytes() を使用して結果を新しい文字列に渡し、コンストラクターでエンコーディングを指定しようとしましたが、それもうまくいきませんでした。

何が欠けているのか、誰にも分かりますか。

このコードでリクエストを送信します：

UTF-8でリクエストを送信しますが、cp1251が必要です（サイトはこのCPでのみ機能します）。それをcp1251にエンコードする方法は？

私は完全にgaeと混同しました。応答として（Google App Engine APIからのurlfetchを使用して）POSTリクエストを実行するスクリプトがあり、cp1251でエンコードされたhtmlページを取得します。

次に、.decode（'cp1251'）を使用してデコードし、lxmlで解析します。

私のコードは私のローカルマシンで完全に正常に動作します：

しかし、それをgaeにデプロイすると、次のようになります。

非ユニコード文字はどうですか？そして、なぜすべてがローカルで大丈夫なのですか？私は自分のコードに配置するdecoding\encodingのすべてのバリエーションを試しました-何も役に立ちませんでした。私は今数日間立ち往生しています。

UPD：また、GAEのスクリプトに追加すると：

両方を「unicode」として返します。だから、私はhtmlが正しくデコードされたと信じています。それはGAEのlxmlで何かでしょうか？

私はAdobeDistiller6を使用してWordから印刷されたPDF（1.4）ファイルをたくさん持っています。フォントが埋め込まれ（LinuxマシンにあるTahomaとTimes New Roman）、エンコードには「ANSI」と「Identity-H」と表示されます。ANSIによると、地域のコードページはWindowsマシン（CP-1251（キリル文字））から使用されていると思います。「Identity-H」については、Adobeだけが知っていることだと思います。

テキストのみを抽出し、このファイルにインデックスを付けたい。問題は、からガベージ出力を取得することpdftotextです。サンプルのPDFファイルをAcrobatからエクスポートしようとしましたが、再びガベージが発生しましたが、さらに処理するとiconv正しいデータが得られました。

iconv -f windows-1251 -t utf-8 Adobe-exported.txt

しかし、同じトリックは機能しませんpdftotext：

pdftotext -raw -nopgbrk sample.pdf - | iconv -f windows-1251 -t utf-8

これはデフォルトでUTF-8エンコーディングを想定しており、その後にガベージを出力します。Сiconv: illegal input sequence at position 77

pdftotext -raw -nopgbrk -enc Latin1 sample.pdf - | iconv -f windows-1251 -t utf-8

再びゴミを捨てます。

/usr/share/poppler/unicodeMap私はCP1251を持っていません、そしてグーグルでそれを見つけることができなかったので、それを作ってみました。ウィキペディアCP1251データからファイルを作成し、ファイルの最後に他のマップの内容を追加しました。

だからそれpdftotextは文句を言わないが、結果として：

pdftotext -enc CP1251 sample.pdf -

再び同じゴミです。hexdump一目で何も明らかにならないので、これから何かを必死に結論付けようとする前に、ここで私の問題について尋ねようと思いましたhexdumps

file_get_contents （）関数とsimpleXMLを使用してurl（以下のコード）からxmlファイルを解析し、データをテーブルに挿入していますが、エンコードに問題があります（ロシア語）これを取得します-> Р§ ерногория ; ファイルとデータベースのエンコーディングはutf-8に設定されています。

htmlファイルを解析してpdfを生成しようとしています。コードを使用します

キリル文字/国際語を使用したい場合、ベースフォントを定義するにはどうすればよいですか？