- 我通过将文本文件的不同部分从不同的来源（网页、其他文本文件、pdf 文件）复制到 gedit 并将其保存到文件中来创建文本文件。我猜这就是文本文件中有多种编码的原因，但我不确定。如何避免通过将文本文件的不同部分从不同的来源复制到 gedit 来创建具有混合编码的文本文件？
每当我用 gedit 打开文件时，gedit 总是能够正确显示或解码文本的每个部分。gedit 似乎可以处理混合编码的文本文件，但我不确定。
但是当我在 emacs 中打开文件时，会出现无法正确显示的字符。 (我不确定为什么 emacs 不能这样做。) 因此，我想将文件从混合编码转换为单一编码，例如 utf-8。
因为我认为 gedit 可以检测文本文件不同部分的正确编码，而且我不知道是否有其他应用程序可以这样做，是否可以让 gedit 将文件转换为 utf-8，或者至少告诉我它找到了文件哪个部分的什么编码？
谢谢。
答案1
嗯……说实话，一个文件包含各种编码的概念有点难以理解。如果你有时间，本文（和这个) 值得一读。
对于 Linux 来说，文件是字节序列。如果您要求程序将其解释为文本文件，它将使用字节和字符之间的映射来实现；此映射就是编码。我所知道的几乎所有文本编辑器（不是文字处理器！）都只理解一个文件一种编码的概念。
我不是专家gedit；也许它正在做一些神奇的事情，比如尝试逐行或逐个文本块自动检测编码...如果是这种情况，您可以尝试使用enca（1）：
while read line; do echo $line | enconv -L none -x utf8; done < text.mixed > text.utf8
...但这取决于 enca 猜测您的编码的能力（例如，对东欧编码几乎能很好地工作，但对 Latin1 则不行）。
（1）它在 repos 中，只需使用 安装它即可sudo apt-get enca。
答案2
我遇到了同样的问题，并使用 Emacs 解决了它。解决方案引自这里：
另一个可能的解决方案是标记每个出现中文字符的区域，然后用 Mx recode-region 重新编码，将“文本确实在”设置为 utf-16-le，将“但被解释为”设置为 utf-16-be。
另一种方法是将具有不同编码的两个部分拆分开，将它们复制到不同的文件中，转换其中一个文件的编码并将其添加到另一个文件中。在我的情况下，这种方法适用于 Atom，但不适用于 Notepad++ (utf16-le/be)。