Google Sheet 和 Microsoft Excel 无法识别特殊字符

Question

我开发了一个网络爬虫来提取一些信息并将其打印到 Excel 电子表格中。

但是，Excel 和 Google Sheet 都无法识别某些特殊字符，如下所示：

文本内容如下：（“Woodland”​ 或“公司”​） 这只是一个案例，还有几个特殊字符无法识别。

您知道我该如何转换它们吗？我必须在 Excel 和 Google Sheet 上启用某些功能吗？

我已经为此困扰好几天了——欢迎任何帮助。

谢谢你！！

Answer 1

爬虫是用什么编写的？最简单的选择可能是让解析器在输出之前删除特殊字符。

话虽如此，您如何将数据输出到电子表格本身？我认为我们需要更多信息来帮助您。

或者你可以使用类似这样的方法 https://exceljet.net/formula/remove-unwanted-characters

Answer 2

Excel 确实支持 Unicode。您的（未指定的）方法和编码是罪魁祸首。

这看起来像是从 Web 以 UTF-8 格式检索数据，然后将其导入 Excel 而不指定 UTF-8 编码，因此它认为它正在读取 ANSI 文本。结果是占用两个字节的 UTF-8 中的特殊字符显示为两个奇怪的字符。

如果你正在为 Excel 创建输入文件，则可以在其前面加上 字节顺序标记 (BOM)。BOM 的 UTF-8 表示形式是（十六进制）字节序列 0xEF,0xBB,0xBF。