字符编码与 ASCII 的兼容性

Question

我目前正在从文件中读取邮件并处理一些标题信息。非 ASCII 字符根据 RFC2047 在带引号的可打印或 Base64 中进行编码，因此文件不包含非 ASCII 字符。如果文件以 UTF-8、Win-1252 或 ISO-8859-* 字符编码之一编码，我不会遇到问题，因为 ASCII 嵌入在所有这些字符集中的相同位置（所以 0x41 是A 在所有这些字符集中）。

但是，如果文件是使用不以这种方式嵌入 ASCII 的编码进行编码的呢？这样的编码是否存在？如果是这样，是否有可靠的方法来检测它们？

Answer 1

Mozilla 有一篇基于this 的Charset-detector 非常有趣的文章。它可以检测大量不同的编码。 GitHub 上还有一个 C# 端口，我以前使用过它。结果证明是相当可靠的。但是当然，当文本只包含 ASCII 字符时，它无法区分以相同方式对 ASCII 进行编码的不同编码。但是任何以不同方式编码 ASCII 的编码都应该被这个库正确检测到。