我有一个 ASCII 文件，其中包含一个 EM Dash(— 或 HTML 中的 —)。十六进制值为 0x97。当我们通过一个应用程序传递这个文件时，它以 UTF-8 格式到达，并将字符转换为 0xC297，即 —在 HTML 中。但是，当我们通过不同的应用程序传递这个文件时，它会将字符转换为 0xE28094 或 — .
什么会导致这些应用程序以不同的方式转换这些字符？它可能是代码页设置吗？
最佳答案
——错了。当您使用数字字符引用时，数字是指 Unicode 代码点。对于 256 以下的数字，与 ISO-8859-1 中的代码点相同。在 8859-1 中，字符 151 位于“C1 控制代码”中，而不是破折号或任何其他可见字符。
出现混淆是因为字符 151 是 Windows 代码页 1252(西欧)中的破折号。许多人认为 cp1252 与 ISO-8859-1 是一回事，但实际上并非如此:C1 范围(128 到 159)中的字符是不同的。
第一个应用程序将您的“ASCII”文件*读取为 ISO-8859-1，但实际上它可能是 cp1252，您需要一种方法来提示应用程序了解它所期望的编码。
(*: 如果文件中存在高位集字符，则“ASCII”是用词不当。您可能指的是“ANSI”，这实际上也是用词不当，但在 Windows 世界中，它的意思是“文本编码在当前系统默认代码页中”。)
关于unicode - EM Dash #151 有什么区别？和#8212;?，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/631406/