В какой кодировке 0xDB является символом валюты?
Я получил файлы, которые, к сожалению, я не могу получить информацию о том, как они были созданы. Мне нужно разобрать эти файлы.
Файл полностью ASCII, кроме одного символа: 0xDB (в десятичном виде он дает 219).
Очевидно (из просмотра файла) этот символ является символом валюты. Я знаю это, потому что:
- эти файлы обязательно должны содержать символ валюты везде, где появляется сумма
- в файлах нет другого символа валюты (ни $, ни евро, ни ничего)
- каждый раз, когда 0xDB появляется, это рядом с количеством
Я думаю, что в этих файлах 0xDB должен представлять символ евро (на самом деле очень вероятно, что этот 0xDB появится везде, где должен появиться символ евро).
Команда file говорит это о файлах:
ISO-8859 English text, with CRLF, LF line terminators
Hexdump дает это:
00000030 71 75 61 6e 74 20 db 32 2e 36 30 0a 20 41 49 4d |quant .2.60. AIM|
^^ ^
Все файлы в остальном обычно отформатированы / разбираются. На самом деле я получаю всю информацию отлично, кроме этого странного символа 0xDB.
Кто-нибудь знает, что происходит? Как символ валюты (предположительно символ евро) каким-то образом стал 0xDB?
Это ни ISO-8859-1 (он же ISO Latin 1), ни ISO-8859-15, потому что в обоих случаях кодовая точка 219 соответствует "Û" (точно так же, как кодовая точка Unicode 219 - "LATIN CAPITAL LETTER U WITH CIRCUMFLEX").
Это не расширенный ASCII.
4 ответа
Это Макроман. Фактически это должно быть - это единственная кодировка, в которой знак евро отображается на 0xDB.
Вот полное отображение кодировки для MacRoman.
Используя скрипт macroman, можно узнать:
$ macroman 0xDB
MacRoman DB ⇒ U+20AC ‹€› \N{ EURO SIGN }
Вы можете пойти и другим путем:
$ macroman U+00E9
MacRoman 8E ⇐ U+00E9 ‹é› \N{ LATIN SMALL LETTER E WITH ACUTE }
И мы знаем, что U+20AC EURO SIGN действительно является символом валюты из-за вывода скрипта uniprops:
$ uniprops -a U+20AC
U+20AC <€> \N{ EURO SIGN }:
\pS \p{Sc}
All Any Assigned InCurrencySymbols Common Zyyy Currency_Symbol Sc Currency_Symbols S Gr_Base Grapheme_Base Graph GrBase Print Symbol X_POSIX_Graph X_POSIX_Print
Age=2.1 Bidi_Class=ET Bidi_Class=European_Terminator BC=ET Block=Currency_Symbols Canonical_Combining_Class=0 Canonical_Combining_Class=Not_Reordered CCC=NR Canonical_Combining_Class=NR Script=Common Decomposition_Type=None DT=None East_Asian_Width=A East_Asian_Width=Ambiguous EA=A Grapheme_Cluster_Break=Other GCB=XX Grapheme_Cluster_Break=XX Hangul_Syllable_Type=NA Hangul_Syllable_Type=Not_Applicable HST=NA Joining_Group=No_Joining_Group JG=NoJoiningGroup Joining_Type=Non_Joining JT=U Joining_Type=U Line_Break=PR Line_Break=Prefix_Numeric LB=PR Numeric_Type=None NT=None Numeric_Value=NaN NV=NaN Present_In=2.1 IN=2.1 Present_In=3.0 IN=3.0 Present_In=3.1 IN=3.1 Present_In=3.2 IN=3.2 Present_In=4.0 IN=4.0 Present_In=4.1 IN=4.1 Present_In=5.0 IN=5.0 Present_In=5.1 IN=5.1 Present_In=5.2 IN=5.2 Present_In=6.0 IN=6.0 SC=Zyyy Script=Zyyy Sentence_Break=Other SB=XX Sentence_Break=XX Word_Break=Other WB=XX Word_Break=XX _X_Begin