utf-8 - 哪些字符不能直接从Cp1252映射到UTF-8？

Question

我已经阅读了几个stackoverflow的答案，其中有些字符从Cp1252（又名Windows-1252；它们相同，不是吗？）转换为UTF-8时，不会直接映射（甚至是“不可映射”），例如此处：https://stackoverflow.com/a/23399926/2018047

有人可以对此提供更多的启示吗？这是否意味着如果我批量/批量将源代码从cp1252转换为utf-8，我会得到一些最终会变成垃圾的字符？

Answer 1

This is how Windows 1252 codepage looks like.

如您所见，字节0x81、0x8D，0x8F，0x90、0x9D没有分配任何内容。

如果您的输入文件包含这些字节，并且将其视为Windows 1252编码，则这些字节将被视为无效字符。在正常情况下，这意味着输入文件不在Windows 1252中。

所有其他字节编码可打印字符或控制字符，并且所有这些字符均以Unicode表示，因此可以明确地以UTF-8编码。

我不知道链接的答案试图声明什么，它的最后一段听起来像胡扯。

还有几句话，可能有助于您了解一些知识：


UTF-8和Windows 1252在ASCII之外彼此完全不兼容
这两种编码都永远不会将文本编码为某些字节值，每种情况下都是不同的
此外，某些字节序列在UTF-8中也无效
通常，如果您将文件视为包含以UTF-8或Windows 1252编码的文本，但是如果不包含，则会丢失和破坏数据


您可以在IDE或编辑器中选择文件的编码。建议仅使用UTF-8。您将必须转换现有的Windows 1252文件。