八进制 302 240 一起似乎对应于不间断空格

Question

通过查看文本文件的特定行（比如第 1123 行，见下文），似乎有一个不间断的空间，但我不确定：

$ cat myfile.csv | sed -n 1123p | cut -f2
Lisztes feher

$ cat myfile.csv | sed -n 1123p | cut -f2 | od -An -c -b
   L   i   s   z   t   e   s 302 240   f   e   h   e   r  \n
 114 151 163 172 164 145 163 302 240 146 145 150 145 162 012

但是八进制的ASCII码表示一个不间断的空格是240，那么302对应的是什么呢？它对这个给定的文件有什么特别之处吗？

我问这个问题是为了理解。我已经知道如何使用sed来解决我的问题，请遵循以下答案：

$ cat myfile.csv | sed -n 1123p | cut -f2 | sed 's/\xC2\xA0/ /g' | od -An -c -b
   L   i   s   z   t   e   s       f   e   h   e   r  \n
 114 151 163 172 164 145 163 040 146 145 150 145 162 012

有关信息，原始文件采用 .xlsx ( Excel ) 格式。当我的计算机运行Xubuntu 时，我使用LibreOffice Calc (v5.1)打开它。然后，我将其保存为“文本 CSV”，其中“字符集 = Unicode (UTF-8)”和制表符作为字段分隔符：

$ file myfile.csv
myfile.csv: UTF-8 Unicode text

Answer 1

它是 U+00A0 Unicode 字符的 UTF-8 编码：

$ unicode U+00A0
U+00A0 NO-BREAK SPACE
UTF-8: c2 a0 UTF-16BE: 00a0 Decimal:   Octal: \0240
 
Category: Zs (Separator, Space)
Bidi: CS (Common Number Separator)
Decomposition: <noBreak> 0020

$ locale charmap
UTF-8
$ printf '\ua0' | od -to1
0000000 302 240
0000002

UTF-8 是 Unicode 编码，每个字符的字节数可变。作为字符集的 Unicode 是 iso8859-1（又名 latin1）的超集，它本身是 ASCII 的超集。

而在 iso8859-1 中，不间断空格字符（iso8859-1 中的代码点 0xa0 就像在 Unicode 中一样）将表示为一个 0xa0 字节，而在 UTF-8 中，只有代码点 0 到 127 表示为一个字节（这使得 UTF-8 成为 ASCII 的超集，或者换句话说，ASCII 文件也是 UTF-8 文件）。

超过 128 的代码点被编码为每个字符更多的字节。有关UTF-8 编码算法的详细信息，请参阅维基百科。