☰

无法读取的俄语 TeX 文件

tag-icon • tag-icon input-encodings cyrillic russian
无法读取的俄语 TeX 文件

我正在尝试访问一些俄语 TeX 文件，但当我在 TeXstudio（或任何其他编辑器）中打开它时，文本无法读取。例如，这是来自一个文件的一行：

关于“定理”的补充：$a$, $b$, $c$，定理 $y=ax+b$, $y=bx+c$, $y=cx+a$ 定理适用于 ® ® 吗？

在 Stack Exchange 早期的主题中，曾建议将编辑器的字体编码从 UTF-8 设置为 windows-1251，但这在 TeXstudio 中似乎不起作用。

答案1

该文本似乎被编码为 CP866。根据维基百科上关于此编码的介绍：

代码页 866 (CCSID 866) (CP 866，“DOS 西里尔俄语”）是在俄罗斯的 DOS 和 OS/2 下用于书写西里尔文字的代码页。

您可以用 Python 等语言重新编码它：

mytext = "Ќ ©¤гвбп «Ё в ЄЁҐ а §«Ёз­лҐ ўҐйҐб⢥­­лҐ зЁб«  $a$, $b$, $c$, зв® Їап¬лҐ $y=ax+b$, $y=bx+c$, $y=cx+a$ ЇҐаҐбҐЄ овбп ў ®¤­®© в®зЄҐ?"
print(mytext.encode("cp1251").decode("cp866"))

代码首先将 utf-8 序列解释为单个字节（使用 cp1251，“标准”西里尔编码），然后将这些字节映射到 cp866。

这将打印（为方便阅读添加了换行符）：

Н йдутся ли т кие р зличные вещественные числ  $a$, $b$, $c$, 
что прямые $y=ax+b$, $y=bx+c$, $y=cx+a$ пересек ются в одной точке?

翻译如下：

Are there different real numbers $a$, $b$, $c$
such that the lines $y=ax+b$, $y=bx+c$, $y=cx+a$ intersect in one point?

答案2

嗯，我用过https://2cyr.com/decode/弄清楚发生了什么事。

在 bash 中，你可以将文本保存为 utf-8 文件“t.txt”，然后调用 iconv

iconv -f utf-8 -t cp1251 t.txt | iconv -f cp866 -t utf-8

它产生

Найдутся ли такие различные вещественные числ  $a$, $b$, $c$, что прямые $y=ax+b$, $y=bx+c$, $y=cx+a$ пересекаются в одной точке?

числ 应该是 числа，但其他东西对我来说看起来不错。

答案3

在您将代码粘贴到此处之前，一些字符可能已经变得无效（当尝试以错误的编码加载时）并被系统删除（或不可逆转地被另一个字符替换）。

原始文件显然保存在 CP866 中，您发布的不可读代码是尝试将其加载为 Windows-1251 的结果。
我发现每个西里尔字母“а”（保存为 CP866 但加载为 Windows-1251）都会变成不间断空格字符（ASCII：）0xa0，然后在发布到某些网站时进一步被常规空格替换。

如果您有原始文件，您可以尝试在 Notepad++ 中打开该文件并选择编码 > 字符集 > 西里尔语 > OEM 866，然后您可以使用正确的编码复制/粘贴到其他地方。

相关内容