将不良文本转换为韩语

Question

问题

我正在清理一些旧的韩语代码，我想将一些曾经是韩语的代码部分翻译成英语。但是，似乎出现了编码问题，文本不再是韩文。相反，这是一团乱码。

我想从断线到英文翻译。

我的计划是从损坏的字符串开始，使用用于在我的计算机上解码损坏的字符串的编解码器将其编码为二进制文件，使用韩文编解码器将该二进制文件解码为韩文，然后谷歌将该韩文翻译成英文。问题是我不知道如何将这个烂摊子解码成可读的韩语。

我试过的

我开始编写一些 Python3 代码来翻译它，但我不断遇到编码错误，老实说，我不知道从哪里开始。这段代码是在假设韩国人使用cp949编解码器的情况下编写的，我不确定。

fileIn = open('Broken_Korean.txt', 'r', encoding='cp949')
fileOut = open('Fixed_Korean.txt', 'w')

Lines = fileIn.readlines()
for line in Lines:
    fileOut.write(str(line.encode('cp949')))
    fileOut.write('\n')
    fileOut.write(line.encode('cp949').decode('utf-8'))

我也研究过这个问题，但我没有发现任何突破性的东西。我相信用于显示损坏字符串的编解码器是 UTF-8，但我可能会弄错。我不知道原始韩语是怎么写的，除了它是使用“多字节编码方案（MBCS）”编写的。对于上下文，编写的程序是 LabVIEW 2015。据推测，他们在编写初始代码时使用了韩文版本。

断弦的一些例子：

ÆÄÀÏ ´ëÈ­ »óÀÚ5

ÆÄÀÏ ´ëÈ­ »óÀÚ6

ÆÄÀÏ ´ëÈ­ »óÀÚ

幸运的是，一些编码错误发生在枚举上，所以我能够找到英文翻译。使用该翻译，我可以猜测古兰经可能是什么，但我不确定。我认为这可能有助于我推断使用的编解码器，但我不知道该怎么做。

À¯ÇÑ »ùÇÃ= 有限样本 > ?? ??

¿¬¼Ó »ùÇÃ= 连续样本 > ?? ??

Çϵå¿þ¾î ŸÀֿ̹¡ ÀÇÇÑ ´ÜÀÏ Æ÷ÀÎÆ®= 硬件定时单点 > ???? ？？？?? ？？？

任何有关编码的帮助或有关如何解决此问题的提示将不胜感激！我现在很失落。

编辑：这是一些损坏的字符串的十六进制转储：

Broken_Korean.txt

ÆÄÀÏ ´ëÈ­ »óÀÚ5
ÆÄÀÏ ´ëÈ­ »óÀÚ6
ÆÄÀÏ ´ëÈ­ »óÀÚ
À¯ÇÑ »ùÇÃ
¿¬¼Ó »ùÇÃ
Çϵå¿þ¾î ŸÀֿ̹¡ ÀÇÇÑ ´ÜÀÏ Æ÷ÀÎÆ®

hexdump -C Broken_Korean.txt                                       
000000  c3 86 c3 84 c3 80 c3 8f 20 c2 b4 c3 ab c3 88 c2  ........ .......                                               
000010  ad 20 c2 bb c3 b3 c3 80 c3 9a 35 0d 0a c3 86 c3  . ........5.....                                               
000020  84 c3 80 c3 8f 20 c2 b4 c3 ab c3 88 c2 ad 20 c2  ..... ........ .                                               
000030  bb c3 b3 c3 80 c3 9a 36 0d 0a c3 86 c3 84 c3 80  .......6........                                               
000040  c3 8f 20 c2 b4 c3 ab c3 88 c2 ad 20 c2 bb c3 b3  .. ........ ....                                               
000050  c3 80 c3 9a 0d 0a c3 80 c2 af c3 87 c3 91 20 c2  .............. .                                               
000060  bb c3 b9 c3 87 c3 83 0d 0a c2 bf c2 ac c2 bc c3  ................                                               
000070  93 20 c2 bb c3 b9 c3 87 c3 83 0d 0a c3 87 c3 8f  . ..............                                               
000080  c2 b5 c3 a5 c2 bf c3 be c2 be c3 ae 20 c3 85 c2  ............ ...                                               
000090  b8 c3 80 c3 8c c2 b9 c3 96 c2 bf c2 a1 20 c3 80  ............. ..                                               
0000a0  c3 87 c3 87 c3 91 20 c2 b4 c3 9c c3 80 c3 8f 20  ...... ........                                                
0000b0  c3 86 c3 b7 c3 80 c3 8e c3 86 c2 ae              ............     

Answer 1

十六进制转储中的数据可能被读取为 ISO-8859-1（又名Latin-1）并重新保存为 UTF-8。要反转，解码为 UTF-8 以获得原始cp939字节值，但在 Unicode 字符串中作为 Unicode 代码点。编latin1解码器占用前 256 个代码点，用它进行编码会给出具有相同字节值的字节字符串。然后可以应用正确的编解码器来解码回 Unicode 字符串：

\n

data = bytes.fromhex('''\nc3 86 c3 84 c3 80 c3 8f 20 c2 b4 c3 ab c3 88 c2\nad 20 c2 bb c3 b3 c3 80 c3 9a 35 0d 0a c3 86 c3\n84 c3 80 c3 8f 20 c2 b4 c3 ab c3 88 c2 ad 20 c2\nbb c3 b3 c3 80 c3 9a 36 0d 0a c3 86 c3 84 c3 80\nc3 8f 20 c2 b4 c3 ab c3 88 c2 ad 20 c2 bb c3 b3\nc3 80 c3 9a 0d 0a c3 80 c2 af c3 87 c3 91 20 c2\nbb c3 b9 c3 87 c3 83 0d 0a c2 bf c2 ac c2 bc c3\n93 20 c2 bb c3 b9 c3 87 c3 83 0d 0a c3 87 c3 8f\nc2 b5 c3 a5 c2 bf c3 be c2 be c3 ae 20 c3 85 c2\nb8 c3 80 c3 8c c2 b9 c3 96 c2 bf c2 a1 20 c3 80\nc3 87 c3 87 c3 91 20 c2 b4 c3 9c c3 80 c3 8f 20\nc3 86 c3 b7 c3 80 c3 8e c3 86 c2 ae\n''')\n\nfixed = data.decode('utf8').encode('latin1').decode('cp949')\nprint(fixed)\n

\n

输出：

\n

\xed\x8c\x8c\xec\x9d\xbc \xeb\x8c\x80\xed\x99\x94 \xec\x83\x81\xec\x9e\x905\n\xed\x8c\x8c\xec\x9d\xbc \xeb\x8c\x80\xed\x99\x94 \xec\x83\x81\xec\x9e\x906\n\xed\x8c\x8c\xec\x9d\xbc \xeb\x8c\x80\xed\x99\x94 \xec\x83\x81\xec\x9e\x90\n\xec\x9c\xa0\xed\x95\x9c \xec\x83\x98\xed\x94\x8c\n\xec\x97\xb0\xec\x86\x8d \xec\x83\x98\xed\x94\x8c\n\xed\x95\x98\xeb\x93\x9c\xec\x9b\xa8\xec\x96\xb4 \xed\x83\x80\xec\x9d\xb4\xeb\xb0\x8d\xec\x97\x90 \xec\x9d\x98\xed\x95\x9c \xeb\x8b\xa8\xec\x9d\xbc \xed\x8f\xac\xec\x9d\xb8\xed\x8a\xb8\n

\n

翻译（谷歌翻译）：

\n

File Dialog 5\nFile Dialog 6\nFile dialog\nFinite sample\nContinuous sample\nSingle point by hardware timing\n

\n

如果从文件开始，请以 UTF-8 格式读取该文件，应用修复程序，然后以（正确的）UTF-8 格式写回：

\n

with open('Broken_Korean.txt', 'r', encoding='utf8') as f:\n    data = f.read().encode('latin1').decode('cp949')\n\nwith open('Fixed_Korean.txt', 'w', encoding='utf8') as f:\n    f.write(data)\n

\n