我有一个 CSV 文件，其中可以看到以下摘录：
我在滚动文件时发现了这些“黑色”字符。文件很大（32 Mb）。我不确定文件采用的是什么编码；目前我的 Notepad++ 设置为“以 UTF-8 编码”。此外，当我尝试做ASCII -> 十六进制（插件->转换器->ASCII -> HEX），我得到以下输出：
EDA0BDEDB88A
我想知道：
- 这些黑色字符的编码。
- 用于在 CSV 文件中查找类似事件的正则表达式
答案1
黑色字符是由于 Notepad++ 无法将这些字节序列映射到可以可视化的 UTF-8 端点而导致的。您可能知道，每个字符都存储为一系列字节。在这种情况下，这些字节是
十六进制
ED A0 BD ED B8 8A
二进制
1110 1101 1010 0000 1011 1101 1110 1101 1011 1000 1000 1010
这引出了我们的疑问。
那些黑色字符的编码是什么？
这是两个 UTF-8 字符。更具体地说，第一个字符ED A0 BD是所谓的“高替代”第二个ED B8 8A是“低替代”. 它们共同构成了UCS 代理。现在我们知道这些是代理字符，我们可以逆转代理对计算。
如果你在UTF-8 代码点表，您会发现第一个映射到U+D83D，第二个映射到U+DE0A。因此，该对是 D83D+DE0A。这映射到 U+1F60A，即.....击鼓 笑脸！
因此，您正在看的序列...是一个笑脸。
查找这些字符的正则表达式
现在我们知道了这一点，我们可以使用正则表达式来查找如下序列：
\x{D83D}\x{DE0A}
然后对于您稍后在评论中添加的问题（这是一个编辑）。
有没有其他实用程序可以帮助我找到 csv 文件中可能有非 UTF8 的字符。
我现在已经证明你的文件中的字符是UTF-8。但是，仍然要回答你的问题，如果你想要一个工具来手动尝试找到某些字符的编码，你可以使用本网站。在这里您可以输入一些文本，指定编码，并将其转换为另一种编码以查看它映射到哪些字符。