标签: character-encoding

我有一个 pdf 文件，其中包含一些非拉丁欧洲字符。如果我使用突出显示工具复制一些文本，并将其粘贴到另一个程序（单词、记事本）中 - “特殊”字符不能正确传输（我在它们的位置上得到了其他奇怪的字符）。

我曾尝试从 Acrobat Reader 和 Foxit 中复制文本。

有什么我可以在这里复制的吗？

谢谢

我如何在记事本++中找到这个字符（通过unicode搜索）？

如果我去charmap

我选择这个角色

我在 unicode 搜索框中输入 FEC1 并按 ENTER 并找到该字符

我在 fileformat.info 上查找

http://www.fileformat.info/info/unicode/char/fec1/index.htm

UTF-8 (hex)   0xEF 0xBB 0x81 (efbb81)
UTF-16 (hex)  0xFEC1 (fec1)

Run Code Online (Sandbox Code Playgroud)

如果我按字面意思在搜索框中输入字符，那么它会找到它

但我看不到要搜索什么 unicode 才能找到它

我希望能够在 UTF-8 和 UTF-16 中搜索它

[\uFEC1] 似乎找到了字符，但它找到的不仅仅是那个字符

现在，如果我在那里扔几个 FEC9，那么我看到 [\uFEC1] 似乎也找到了它们

那么，我如何搜索 \uFEC1 并且仅此而已。我也有兴趣通过它的 UTF-8 代码搜索它

可能的重复：
在 Windows 下批量转换用于编码或行尾的文件

我需要这样的工具
http://www.rotatingscrew.com/utfcast.aspx

但该工具应该做相反的事情，将多个文件从 utf-8 转换为 iso-8859-1

是否有适用于 Windows 的工具（php 脚本、批处理文件等）可以执行此操作？谢谢

我正在尝试在 Linux 机器上使用 rsync 将 Windows 机器备份到 Linux 机器（Ubuntu 9.10），并且对于文件名中包含异常字符的文件名，我收到“文件已消失”错误。如果我使用“cp”而不是 rsync，我会收到类似的错误（“没有这样的文件或目录”）。英语 Windows 框中共享中的源代码。

字符之一是撇号字符。

我一直在玩各种 --iconv 选项，但无法解决问题。建议？

我想使用 Unix shell 命令在目录树中查找所有UTF-16编码文件（包含 UTF-16 字节顺序标记 ( BOM )）。有我可以使用的命令吗？

我有 Adob​​e Reader、Okular 和 Document Viewer 作为 pdf 阅读器。我阅读的论文通常是带有数学公式的文本，由 LaTeX 生成。

但是，使用这些查看器在 pdf 文件中搜索特殊字符或数学符号似乎并不完美。我通常做的是从文件中选择关键部分（特殊字符或数学表达式），然后Ctrl+C，然后Ctrl+F，然后Ctrl+V，很多时候观众突出显示的是不正确的。

我相信这对查看者来说是一个重要的功能，并且确实需要在文档中不仅查找单词而且查找特殊字符。

谁能告诉我你是如何解决这个问题的？有没有更好的pdf阅读器或任何智能的搜索方式？

我希望我在 Notepad++ 中创建或打开的每个文档始终（无论如何）以 UTF-8 编码。看来，要么我错过了什么，要么这是不可能的。

在Settings > Preferences... > New Document > Encoding我UTF-8 without BOM在列表中选择并Apply to opened ANSI files选中。我正在使用版本6.7.4。

一切都很好，当我直接在 Notepad++ 中创建一个新文件时。然后，是的，它默认设置了 UTF-8 w/o BOM 编码。但是，当我New > Text Document在 Windows 资源管理器中选择时，创建一个新的空文本文件，然后双击它，它会在 Notepad++ 中打开，ANSI默认情况下是编码。

怎么了？对我来说，选项Apply to opened ANSI files似乎根本不起作用。

当存在编码问题时，我们都熟悉黑色菱形 (?) 内的白色问号。这个“角色”有正式名称吗？或者它只是被称为“黑色钻石内的白色问号”？如果有这个名字会是什么？

tree我在 Debian 中安装的很棒的应用程序可以apt-get install tree选择使用 ANSI 图形绘制其输出。它的输出现在看起来像这样：

.
tqq node_modules
x tqq 咖啡脚本
xtqq生态
x tqq快递
x tqq 永远
x mqq 手写笔
tqq 包.json
微信源
    mqq daemontest.coffee

这显然是错误的。这些是 myLANG=en_GB.UTF-8 UTF-8和LC_ALL=Cenv 变量。PuTTY 也设置为期待 UTF-8。如果我将 PuTTY 更改为“使用字体编码”，那么tree -A看起来是正确的，但是npm list会中断并如下所示：

├── coffee-script@1.2.0
├─┬eco@1.1.0-rc-3
│└── strscan@1.0.1
├─┬ express@2.5.5
│ ├─┬ connect@1.8.5
││â”─â€可怕@1.0.8
│ ├── mime@1.2.4
│ ├── mkdirp@0.0.7
│└── qs@0.4.0
...

所有这些东西都应该正常工作，所以我猜我的设置在某个地方是错误的。谁能帮我调到准确的位置？

编辑：我env现在看起来像这样。问题依然存在

root@chu:~# env
术语=腻子
外壳=/bin/bash
SSH_CLIENT=**审查**
SSH_TTY=/dev/pts/1
用户=root
LS_COLORS=rs=**因为文字墙而被移除** …

我有几个 C++ 源文件（一个 .cpp 和一个 .h），它们被Linux 中的命令报告为类型数据file。当我file -bi对这些文件运行命令时，我得到了这个输出（每个文件的输出相同）：

application/octet-stream; charset=binary

每个文件都是纯文本文件（我可以在 中查看它们vi）。是什么导致file误报这些文件的类型？它可能是某种Unicode的东西吗？这两个文件都是在 Windows 环境中创建的（使用 Visual Studio 2005），但它们是在 Linux 中编译的（它是一个跨平台应用程序）。

任何想法，将不胜感激。

更新：我在两个文件中都没有看到任何空字符。我在 .cpp 文件（在注释块中）中发现了一些扩展字符，将它们删除，但file仍然报告相同的编码。我试过在 SlickEdit 中强制编码，但这似乎没有效果。当我在 中打开文件时vim，我一[converted]打开文件就会看到一行。也许我可以让 vim 强制编码？