linux - Linux 中存储的文本文件的字符编码在哪里？

Question

我知道简短的回答应该是“无处可去”，但是在下面的测试 2 中有些东西并没有完全加起来。

测试 1. 在 Gedit 中，我创建了一个仅包含字符串“aàbï”的新文件，我选择“另存为”，并且有一个用于选择字符编码的选择器。所以我将其保存为“Unicode (UTF-8)”，然后我重复相同的操作并将其保存为另一个文件“ISO-8859-15”。第一个文件大小为 7 个字节(2 个 1 字节字符、2 个 2 字节字符和文件末尾的 LF，如十六进制转储所示)。第二个文件大小为 5 个字节(拉丁编码中的 4 个 1 字节字符加上一个 LF)。这表明编码未存储在文件中的任何位置。显然，当我在 Gedit 中打开文件并正确解码时，它一定是通过分析内容来弄清楚如何解码它。

测试 2。我和上面一样，但这次文件的内容只是“abcd”，即四个 ascii 字符。这两个保存的文件具有相同的大小(5 字节)和相同的十六进制转储。这两个文件似乎是相同的，无法区分，因此，同样，文件中似乎没有包含有关编码的信息。

但是，当我在 Gedit 中再次打开测试 2 的两个文件并转到另存为时，选择了文件保存时使用的编码。 Gedit 不知何故可以分辨出一个文件是用 UTF-8 编码的，另一个是用 ISO-8859-15 编码的，尽管两者都只包含导致相同字节序列的 ascii 字符，而且它们看起来是相同的。怎么样？

文件系统中是否有某种元数据？或者只是 Gedit 有自己的缓存并记住用户对已在同一台计算机上打开(和保存)的给定文件的选择？

附言请注意，这个问题与编程有关，即使我提出了一个非编程测试用例，因为这是关于给定类型文件的编码方式，这会影响人们如何读取、解析、解码，从程序中编码和写入它们。

Answer 1

它不是，至少默认情况下不是。这两个包含 abcd 的文件在文件系统中的存储方式实际上没有区别，因为文本字符串 abcd 在两个语言环境的 ASCII 子集中的编码相同。

Ext 文件系统不记录文件编码元数据。虽然可以通过使用扩展属性在 ext 文件系统上记录有限数量的数据(大约几千字节)和文件，但 gedit 显然不使用它来存储字符编码，而是缓存特定用户的为特定文件选择的编码。您可以通过以另一个用户身份登录(我在本实验中以 root 身份登录)并打开相同的文件来证明这一点——gedit 将使用默认系统区域设置读取它，而不是您在其他登录下保存它的自定义区域设置.