Mã hóa ký tự nào là c3 82 c2 bf?

Question

Tôi có nguồn dữ liệu văn bản bao gồm chuỗi byte c3 82 c2 bf. Trong bối cảnh tôi nghĩ rằng nó được cho là một biểu tượng vốn Hy Lạp Phi (Φ).

Dù sao tôi không thể tìm ra mã hóa nào đang được sử dụng; Tôi đang viết một kịch bản Python để xử lý dữ liệu này vào một cơ sở dữ liệu dự kiến ​​Unicode, và nó ném một ngoại lệ về chuỗi dữ liệu cụ thể này.

Bất kỳ đề xuất nào về cách xử lý?

Answer 1

Được giải thích là UTF-8, c3 82 là “Â” U + 00C2 và c2 bf là “¿” U + 00BF, không có ý nghĩa lắm, nhưng dữ liệu UTF-8 hợp lệ về mặt kỹ thuật, vì vậy không nên được báo cáo là lỗi dữ liệu cấp ký tự. Được giải thích là UTF-16, đó là các âm tiết Hangul và có thể là một ký tự tượng hình CJK, tùy thuộc vào độ tin cậy, nhưng vẫn là dữ liệu chính thức hợp lệ, mặc dù hầu hết không có ý nghĩa gì.

Điều này nghe có vẻ giống như kết quả của chuyển đổi kép, nhưng rất khó để đưa ra các phỏng đoán được giáo dục. Nếu nó là viết tắt của Φ, thì dạng UTF-16 là 03 A6 hoặc A6 03 và dạng UTF-8 là CE A6, không thực sự giống với dữ liệu thực tế. Thông tin về nguồn gốc của dữ liệu có thể giúp đoán được việc chuyển mã nào có thể xảy ra.

Answer 2

Đây có thể là một chuyển đổi kép từ ký tự Ñ.

Ñ ký tự trong UTF-8 là: 0xc391.

Nếu bạn cố gắng để chuyển đổi từ LATIN-1 để UTF-8 các Ñ nhân vật mà đã được mã hóa trong UTF-8, bạn sẽ nhận được: 0xc382c2bf.

Tại sao?

1. 0xc382 là UTF-8 dịch từ LATIN 1-0xc3 nhân vật Ã (A với dấu ngã)
2. 0xc2bf là ¿ nhân vật mà là những gì bạn nhận được khi bạn không thể chuyển đổi một nhân vật từ LATIN-1 (0x91 là một ký tự không hợp lệ trong LATIN-1

Answer 3

FWIW, tôi kết thúc bằng c3 82 c2 bf từ  . Tôi không đào sâu vào các biến đổi bởi vì tôi có thể chỉ đơn giản là ném phần mã đó đi. Đủ để nói rằng   nằm trong một mẫu email html đã được xử lý bởi một plugin wordpress (php).