如何将编码从非 ISO 扩展 ASCII 文本（带有 CRLF 行终止符）更改为 UTF-8？

Question

我有一个txt文件：

$ file -i x.txt
x.txt: text/plain; charset=unknown-8bit
$ file x.txt 
x.txt: Non-ISO extended-ASCII text, with CRLF line terminators

还有一些字符编码不正确：

trwa³y, sta³y, usuwaæ

如何将此文件的编码更改为 UTF-8 ？到目前为止，我已经尝试了以下方法：

$ iconv -f ASCII -t UTF-8 x.txt
                puiconv: illegal input sequence at position 4

也许我应该以某种方式使用extended ASCII( high ASCII) 但在iconv的编码列表中找不到它。

Answer 1

file 告诉您“非 ISO 扩展 ASCII 文本”，因为它检测到这是：

• 除了换行符之外，最有可能是缺少控制字符（字节值 0-31）的“文本”文件；
• “extended-ASCII”，因为有超出 ASCII 范围的字符（字节值 ?128）；
• “非 ISO”，因为有 128-159 范围内的字符（ISO 8859保留此范围用于控制字符）。

你必须弄清楚这个文件似乎是哪种编码。你可以试试Enca的自动识别。您可能需要通过以文本的语言告诉它来将其推向正确的方向。

enca x.txt
enca -L polish x.txt

要转换文件，请传递-x选项：enca -L polish x.txt -x utf8 >x.utf8.txt

如果您不能或不想使用 Enca，您可以手动猜测编码。环顾四周告诉我这是波兰语文本，单词是 trwa?y, sta?y, usuwa?，所以我们正在寻找翻译在哪里³？?和æ？?. 这看起来像latin-2或latin-10或更可能（假设您正在查看为latin1 的“非 ISO” CP1250。要将文件转换为 UTF-8，您可以使用recode或iconv。

recode CP1250..utf8 <x.txt >x.utf8.txt
iconv -f CP1250 -t UTF-8 <x.txt >x.utf8.txt