我已经阅读了几个stackoverflow的答案,其中有些字符从Cp1252(又名Windows-1252;它们相同,不是吗?)转换为UTF-8时,不会直接映射(甚至是“不可映射”),例如此处:https://stackoverflow.com/a/23399926/2018047
有人可以对此提供更多的启示吗?这是否意味着如果我批量/批量将源代码从cp1252转换为utf-8,我会得到一些最终会变成垃圾的字符?
最佳答案
This is how Windows 1252 codepage looks like.
如您所见,字节0x81、0x8D,0x8F,0x90、0x9D没有分配任何内容。
如果您的输入文件包含这些字节,并且将其视为Windows 1252编码,则这些字节将被视为无效字符。在正常情况下,这意味着输入文件不在Windows 1252中。
所有其他字节编码可打印字符或控制字符,并且所有这些字符均以Unicode表示,因此可以明确地以UTF-8编码。
我不知道链接的答案试图声明什么,它的最后一段听起来像胡扯。
还有几句话,可能有助于您了解一些知识:
UTF-8和Windows 1252在ASCII之外彼此完全不兼容
这两种编码都永远不会将文本编码为某些字节值,每种情况下都是不同的
此外,某些字节序列在UTF-8中也无效
通常,如果您将文件视为包含以UTF-8或Windows 1252编码的文本,但是如果不包含,则会丢失和破坏数据
您可以在IDE或编辑器中选择文件的编码。建议仅使用UTF-8。您将必须转换现有的Windows 1252文件。
关于utf-8 - 哪些字符不能直接从Cp1252映射到UTF-8?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26324622/