用CodeView分析“字符实体”类型邮件乱码

最新推荐文章于 2021-01-20 12:00:58 发布

iteye_4392

最新推荐文章于 2021-01-20 12:00:58 发布

阅读量109

点赞数

文章标签：浏览器 HTML

如果你手里只有一把锤子，你就会把所有的问题都看成钉子。

我在一篇旧文中分析过“字符实体”类型的邮件乱码。产生原因大致这样：原文是：

来信收到，谢谢

（一）

对应的编码是

C0 B4 D0 C5 CA D5 B5 BD A3 AC D0 BB D0 BB

（二）

有的软件系统不支持中文，它把高位为1的字符用命名实体表示。就产生了：

À´ÐÅÊÕµ½£¬Ð»Ð»

（三）

有的服务器或客户端软件会把这些命名实体显示成对应的CP1252字符，即：

À´ÐÅÊÕµ½£¬Ð»Ð»

（四）

我在旧文中，用cnbook的替换表功能将（三）的命名实体替换到（二）的编码文本，再用CodeView将编码文本转换到文本。当时主要目的是介绍cnbook的替换表，手里拿着锤子，就把问题看成钉子了。其实解决这个问题可以不用cnbook。

CodeView 是一个查看文本编码的小工具。我们用它来解决这个乱码问题。

首先要得到命名实体对应的乱码，即CP1252字符。

À´ÐÅÊÕµ½£¬Ð»Ð»

如果你的邮件已经是这个样子，就可以跳过这步。如果你的邮件是

À´ÐÅÊÕµ½£¬Ð»Ð»

你就新建一个文本文件，内容如下：

<HTML>
<BODY>
&Agrave;&acute;&ETH;&Aring;&Ecirc;&Otilde;&micro;&frac12;&pound;&not;&ETH;&raquo;&ETH;&raquo;
</BODY>
</HTML>

BODY标签之间粘贴上要转换的命名实体。保存到html文件，用浏览器打开，就可以看到：

À´ÐÅÊÕµ½£¬Ð»Ð»

复制这些CP1252字符。

打开CodeView。CodeView有两行是可以自己设置编码的。把第二行设置成CP1252，将最后一行设置成CP936，即GBK。然后把前面复制的字符粘贴到文本行

这样就可以从CP1252行得到CP1252字符对应的编码文本。在CP1252行点右键，在右键菜单选择“复制全部”复制这行编码文本。

先删除掉最后一行的文本，然后将复制的CP1252编码文本粘贴到最后一行，即CP936行。这时在文本行就可以看到对应的文本。

如果把CP1252编码当作GBK编码，文本行还是乱码，你可以再试试Big5，即把最后一行设置成CP950。这种类型的乱码邮件还是比较容易处理的，你可以自己动手解决它。

关注