Console

如何在 UTF-8 控制台中查看 cp1251 文本文件?

  • March 16, 2018

嘗試1:

$ less subs.srt
"subs.srt" may be a binary file.  See it anyway? 
<C8><F2><E0><EB><FC><FF><ED> ...

嘗試2:

$ LANG=ru_RU.CP1251 less subs.srt
����� �����, ��� ������.
��� ������� �������������! ...

解決方法:

$ iconv -f cp1251 < subs.srt | less

怎麼做才方便?

要以less與終端不同的編碼執行,請使用luit(隨 X11 實用程序套件提供)。

LANG=ru_RU.CP1251 luit less subs.srt

如果您想自動檢測編碼,那就更棘手了,因為文本文件沒有任何編碼指示。Enca軟體嘗試根據文件的語言辨識文件的編碼:

$ enca -L russian subs.srt
MS-Windows code page 1251
$ iconv -f "$(enca -iL russian subs.srt)" | less

您可以將此組合設置為LESSOPEN過濾器(例如,請參閱如何在不輸入 zless的情況下查看 gzip 壓縮文件?)。但是,對於實際上不是俄語的文本,這可能不會產生好的結果。

如果您只使用 UTF-8 和 CP1251,當文件不是有效的 UTF-8時,您可以回退到 CP1251 — UTF-8 中存在“漏洞”,導致大多數 8 位編碼的文件無效UTF-8。概念驗證過濾器腳本LESSOPEN(可能不適用於 Linux 以外的系統,因為它依賴於head -c N準確讀取 N 個字節):

#!/bin/sh
head=$(head -c 1000)
if printf '%s\n' "$head" | grep -qav '^.*$'; then
 { printf '%s\n' "$head"; cat; } | iconv -f CP1251
else
 { printf '%s\n' "$head"; cat; }
fi

引用自:https://unix.stackexchange.com/questions/178239