将带有八进制转义符的 UTF-8 代码的 ASCII 文件转换为 UTF-8

Question

1. 我有一个文本文件，它本身就是一个 ASCII 文件，但包含表示 utf-8 代码的八进制转义序列：

   \350\207\252\345\212\250\346\216
   

   是否有一些程序或命令可以将此类 ASCII 文件转换为实际以 utf-8 编码的文本文件？

2. 顺便说一下，本站是“在线 ASCII(Unicode Escaped) 到 Unicode(UTF-8) 转换工具”，本站是“在线 Unicode(UTF-8) 到 ASCII(Unicode Escaped) 转换工具”。他们是否在我的问题中进行了转换？如果不是，他们进行了哪些类型的转换？

Answer 1

如果在 shell 变量、dash、mksh 或 bash 中有这些转义序列：

printf %b "$string_with_backslash_escapes"

这不是 POSIX：说明%b符是 POSIX 但它需要0在每个反斜杠之后。这也解释了其他反斜杠转义：\n作为换行符，\t作为制表符等。

这是一个仅转换八进制转义序列的 perl one-liner。

perl -pe 's[\\(?:([0-7]{1,3})|(.))] [defined($1) ? chr(oct($1)) : $2]eg'

http://www.rapidmonkey.com/unicodeconverter/reverse.jsp将八进制值解释为Latin-1 字符，我不知道为什么页面中提到了Unicode 和UTF-8。我不知道http://www.rapidmonkey.com/unicodeconverter/advanced.jsp是做什么的。

Answer 2

仅使用Bash：

\n

\n

3.1.2.4 ANSI-C 引用

\n

该形式的单词$\'string\'经过特殊处理。该单词扩展为\n字符串，并按照 ANSI C 标准的指定替换反斜杠转义字符。反斜杠转义序列（如果存在）将被解码\如下：

\n

\xe2\x80\xa6

\n

<i>nnn值为八进制值nnn的八位字符（一到三位数字）

\n

\n

在UTF-8终端中演示：

\n

$ echo $\'\\350\\207\\252\\345\\212\\250\\346\\216\'\n\xe8\x87\xaa\xe5\x8a\xa8?\n

\n

最后一个字符显示为问号，因为序列格式错误：仅存在三个必需字节中的两个。

\n\n

您链接到的网站执行RFC 5137编码/解码。

\n

如果您\\u81ea\\u52a8在“ASCII (Unicode Escaped)”文本区域中输入，您将得到\xe8\x87\xaa\xe5\x8a\xa8输出，因为\xe8\x87\xaaUnicode 字符U+81EA（其 UTF-8 表示形式为十六进制的 e8\xc2\xa087\xc2\xa0aa，或者350\xc2\xa0207\xc2\xa0252（八进制），\xe5\x8a\xa8是 Unicode 字符U+52A8（其 UTF-8 表示为十六进制的 e5\xc2\xa08a\xc2\xa0a8，或八进制的 345\xc2\xa0212\xc2\xa0250 ）。

\n

Answer 3

交互式 shell 中的 Python 至少可以完成其中的一些工作。但上面的序列似乎已损坏：

\n\n

\nwilmer@ruby:~$ python\nPython 2.7.10（默认，2015 年 7 月 1 日，10:54:53）\n[GCC 4.9.2] on linux2\n输入“help”、“copyright”、“credits”或\n>>> unicode("\\350\\207\\252\\345\\212\\250\\346\\216", "utf-8")\nTraceback (最近一次调用最后）：\n 文件“”，第 1 行，\nUnicodeDecodeError：\'utf8\' 编解码器无法解码位置 6-7 中的字节：数据意外结束\n>>> unicode("\ \350\\207\\252\\345\\212\\250","utf-8")\nu\'\\u81ea\\u52a8\'\n>>> print unicode("\\350\ \207\\252\\345\\212\\250","utf-8")\n\xe8\x87\xaa\xe5\x8a\xa8\n

\n