问题
我正在清理一些旧的韩语代码,有些代码部分曾经是韩语,我想把它们翻译成英语。但是,似乎存在编码问题,文本不再是韩语,而是一堆乱码。
我希望能够从这段破碎的字符串转换成英语翻译。
我的计划是从这个破碎的字符串开始,使用在我的电脑上解码这个破碎字符串的编解码器将其编码为二进制,然后使用韩国编解码器将该二进制解码为韩语,并使用Google翻译将该韩语翻译成英语。问题是我不知道如何将这个混乱的乱码解码成可读的韩语。
我尝试过的方法
我开始写一些Python3代码来翻译它,但我一直遇到编码错误,老实说,我不知道从哪里开始。这段代码假设韩语使用cp949
编解码器,但我不确定。
fileIn = open('Broken_Korean.txt', 'r', encoding='cp949')
fileOut = open('Fixed_Korean.txt', 'w')
Lines = fileIn.readlines()
for line in Lines:
fileOut.write(str(line.encode('cp949')))
fileOut.write('\n')
fileOut.write(line.encode('cp949').decode('utf-8'))
我也研究了这个问题,但没有找到任何突破性的发现。我认为用于显示损坏字符串的编解码器是UTF-8,但我可能错了。我不知道原来的韩文是如何书写的,除了它使用了“多字节编码方案(MBCS)”。 为了背景,此程序是LabVIEW 2015编写的。假设在编写初始代码时他们使用的是韩文版。
以下是一些损坏字符串的示例:
ÆÄÀÏ ´ëÈ »óÀÚ5
ÆÄÀÏ ´ëÈ »óÀÚ6
ÆÄÀÏ ´ëÈ »óÀÚ
幸运的是,其中一些编码错误发生在枚举中,因此我能够找到英语翻译。 使用这个翻译,我可以猜测韩国可能是什么,但我不确定。 我认为这可能有助于我推断所使用的编解码器,但我不知道该怎么做。
À¯ÇÑ »ùÇÃ
= 有限样本 > 유한 샘플
¿¬¼Ó »ùÇÃ
= 连续样本 > 연속 샘플
Çϵå¿þ¾î ŸÀֿ̹¡ ÀÇÇÑ ´ÜÀÏ Æ÷ÀÎÆ®
= 硬件定时单点 > 하드웨어 타이밍 단일 포인트
任何关于编码的帮助或解决此问题的提示都将不胜感激!我现在非常迷失。
编辑: 以下是一些损坏字符串的十六进制转储:
Broken_Korean.txt
ÆÄÀÏ ´ëÈ »óÀÚ5
ÆÄÀÏ ´ëÈ »óÀÚ6
ÆÄÀÏ ´ëÈ »óÀÚ
À¯ÇÑ »ùÇÃ
¿¬¼Ó »ùÇÃ
Çϵå¿þ¾î ŸÀֿ̹¡ ÀÇÇÑ ´ÜÀÏ Æ÷ÀÎÆ®
hexdump -C Broken_Korean.txt
000000 c3 86 c3 84 c3 80 c3 8f 20 c2 b4 c3 ab c3 88 c2 ........ .......
000010 ad 20 c2 bb c3 b3 c3 80 c3 9a 35 0d 0a c3 86 c3 . ........5.....
000020 84 c3 80 c3 8f 20 c2 b4 c3 ab c3 88 c2 ad 20 c2 ..... ........ .
000030 bb c3 b3 c3 80 c3 9a 36 0d 0a c3 86 c3 84 c3 80 .......6........
000040 c3 8f 20 c2 b4 c3 ab c3 88 c2 ad 20 c2 bb c3 b3 .. ........ ....
000050 c3 80 c3 9a 0d 0a c3 80 c2 af c3 87 c3 91 20 c2 .............. .
000060 bb c3 b9 c3 87 c3 83 0d 0a c2 bf c2 ac c2 bc c3 ................
000070 93 20 c2 bb c3 b9 c3 87 c3 83 0d 0a c3 87 c3 8f . ..............
000080 c2 b5 c3 a5 c2 bf c3 be c2 be c3 ae 20 c3 85 c2 ............ ...
000090 b8 c3 80 c3 8c c2 b9 c3 96 c2 bf c2 a1 20 c3 80 ............. ..
0000a0 c3 87 c3 87 c3 91 20 c2 b4 c3 9c c3 80 c3 8f 20 ...... ........
0000b0 c3 86 c3 b7 c3 80 c3 8e c3 86 c2 ae ............
ÆÄÀÏ ´ëÈ »óÀÚ5
,但是出现了UnicodeEncodeError: 'cp949' codec can't encode character '\xc7' in position 0: illegal multibyte sequence
的错误。你是否遇到了同样的问题?(其他字符串也会出现这种情况) - Razzle Shazl