如何在 UTF-8 控制台中查看 cp1251 文本文件？

Question

尝试 1：

$ less subs.srt
"subs.srt" may be a binary file.  See it anyway? 
<C8><F2><E0><EB><FC><FF><ED> ...

尝试 2：

$ LANG=ru_RU.CP1251 less subs.srt
????? ?????, ??? ??????.
??? ??????? ?????????????! ...

解决方法：

$ iconv -f cp1251 < subs.srt | less

我该如何方便地操作？

Answer 1

要以less与终端不同的编码运行，请使用luit（随 X11 实用程序套件一起提供）。

LANG=ru_RU.CP1251 luit less subs.srt

如果您想自动检测编码，那就更棘手了，因为文本文件不包含其编码的指示。软件Enca尝试根据文件的语言识别文件的编码：

$ enca -L russian subs.srt
MS-Windows code page 1251
$ iconv -f "$(enca -iL russian subs.srt)" | less

您可以将此组合设置为LESSOPEN过滤器（例如，请参阅如何以更少的方式查看 gzipped 文件而无需键入 zless？）。然而，对于实际上不是俄语的文本，这可能不会给出好的结果。

如果您只使用 UTF-8 和 CP1251，当文件不是有效的 UTF-8时，您可以回退到 CP1251 — UTF-8 中存在“漏洞”，导致大多数 8 位编码的文件无效UTF-8。概念验证过滤器脚本LESSOPEN（可能不适用于Linux 以外的系统，因为它依赖于head -c N准确读取 N 个字节）：

#!/bin/sh
head=$(head -c 1000)
if printf '%s\n' "$head" | grep -qav '^.*$'; then
  { printf '%s\n' "$head"; cat; } | iconv -f CP1251
else
  { printf '%s\n' "$head"; cat; }
fi