unicode - c3 82 c2 bf 是什么字符编码？

Question

我有一个包含字节序列 c3 82 c2 bf 的文本数据源。在上下文中，我认为它应该是大写的希腊 Phi 符号 (Φ)。

无论如何，我无法弄清楚正在使用什么编码；我正在编写一个 Python 脚本来处理这个数据到一个需要 Unicode 的数据库中，它会在这个特定的数据序列上抛出一个异常。

有关如何处理的任何建议？

Answer 1

解释为 UTF-8，c3 82 是“”U+00C2 和 c2 bf 是“¿”U+00BF，这没有多大意义，但它是技术上有效的 UTF-8 数据，因此不应将其报告为字符级数据错误。解释为 UTF-16，它是韩文音节，也可能是 CJK 表意文字，取决于字节顺序，但仍然是正式有效的数据，尽管很可能不是什么意思。

这听起来像是双重转换的结果，但很难做出有根据的猜测。如果代表Φ，则UTF-16形式为03 A6或A6 03，UTF-8形式为CE A6，与实际数据不太相似。有关数据来源的信息可能有助于猜测可能发生了哪些转码。