恢复 Mojibaked 文件

Question

我最近遇到了几个损坏的文件，其内容在 UTF-8 和 ISO-Latin-1 之间的转换中被彻底烘焙。我该如何修复这些文件？

创建相关损坏文本的过程如下：

1. 原始文本“ó”保存为 UTF-8 ( 0xC3B3)。
2. 编码字节 (0xC3和0xB3) 被解释为 ISO-Latin-1 字符“à”和“³”。
3. 这些字符被保存为其 UTF-8 表示形式（0xC383和0xC2B3）。

该文件现在包含字节C3 83 C2 B3。由此，我需要重建原始字符串“ó”。

如何修复具有此类（或类似）损坏类型的文件？

Answer 1

iconv -f utf8 -t latin1应该修复它。

例如：

echo 'C3 83 C2 B3' | xxd -p -r ; echo                             # ³ is C2 B3; suspect typo in your question
ó                                                                # confirms xxd -p -r works
echo 'C3 83 C2 B3' | xxd -p -r | iconv -f utf8 -t latin1 ; echo
ó                                                                 # got the ó back

基本上， iconv 会撤消 Latin1->UTF8 转换，留下之前的“latin1”（然后将其视为 UTF8）。