检测编码转换问题
我公司网站上的大多数内容最初都是Word文档(Windows-1252编码)，最后被复制粘贴到我们的UTF-8编码的内容管理系统中。转换通常会阻塞几个字符(特殊的换行符、智能引号、科学符号)，这些字符必须手动清除，但当然也有一些字符总是会漏掉。
你认为检测这些最好的方法是什么？
回答 3
Stack Overflow用户
发布于 2009-01-29 22:53:45
您到底是如何进行转换的？
整个从单词复制的问题是我经常遇到的问题，但它真的应该很容易解决。
您提到的那些字符都在the Windows-1252 code page differs from the ISO-8859-1 code page的0x80 - 0x9F范围内。ISO-8859-1中未定义该范围。
您必须执行从ISO-8859-1 (或ISO-8859-15)而不是Windows-1252的转换，从而导致该范围内的字符阻塞。
您应该调整转换的源编码，或者，如果不可能这样做(我不熟悉C#，但我对此表示怀疑)，可以使用代码页图表来修复从主转换中分离出来的32个问题字符。
Stack Overflow用户
发布于 2009-01-07 03:55:20
您能否将文本保存为.rtf，然后使用其他程序解析它？
您能使用Word的VBA将文本保存为正常的内容吗？
Stack Overflow用户
发布于 2009-01-07 04:07:36
如前所述，最好将Word内容导出为可解析的格式( RTF或XML都可以)。
使用复制和粘贴将材料添加到CMS中可能有特定的原因，但通过复制和粘贴，除非您创建了一个监视剪贴板的工具，否则您可能总是以某种视觉检查和修复结束。
从Word (最新版本)复制和粘贴时，剪贴板有几种不同的格式可供使用，其中一种格式是基于XML的。可以创建一些东西来清理剪贴板上的单词XML，并将文本版本(您可能会粘贴到CMS中)“设置”为清理后的格式。
您可以使用office和标准C#剪贴板功能附带的Word.interop来创建它。该工具可以在Word的顶部(在后台)工作，同时向CMS添加内容。
https://stackoverflow.com/questions/419082
复制相似问题
腾讯云开发者
