character-encoding - 使用 Rebol 3 执行文件编码转换

Question

我想使用 Rebol 3 读取 Latin1 中的文件并将其转换为 UTF-8。是否有我可以使用的内置函数或一些外部库？我在哪里可以找到它？

Answer 1

Rebol 有一个 invalid-utf？ 函数，用于搜索不是有效 UTF-8 序列一部分的字节的二进制值。我们可以循环直到找到并替换所有这些，然后将我们的二进制值转换为字符串:

latin1-to-utf8: function [binary [binary!]][
    mark: :binary
    while [mark: invalid-utf? mark][
        change/part mark to char! mark/1 1
    ]
    to string! binary
]

此函数修改原始二进制文件。我们可以创建一个新的字符串来代替二进制值:

latin1-to-utf8: function [binary [binary!]][
    mark: :binary
    to string! rejoin collect [
        while [mark: invalid-utf? binary][
            keep copy/part binary mark  ; keeps the portion up to the bad byte
            keep to char! mark/1        ; converts the bad byte to good bytes
            binary: next mark           ; set the series beyond the bad byte
        ]
        keep binary                     ; keep whatever is remaining
    ]
]

奖励:这是上面的一个 Rebmu 版本—— rebmu/args snippet #{DECAFBAD}，其中 snippet 是:

; modifying
IUgetLOAD"invalid-utf?"MaWT[MiuM][MisMtcTKm]tsA

; copying
IUgetLOAD"invalid-utf?"MaTSrjCT[wt[MiuA][kp copy/partAmKPtcFm AnxM]kpA]