UTF-8 字符串在 excel 中被错误地解码为 UTF-16。如何对文件进行编码和解码，以便正确显示特殊字符？

UTF-8 strings were wrongly decoded as UTF-16 in excel. How can I encode and decode the file so special characters display correctly?

提问人：SlugQ 提问时间：11/22/2022 更新时间：11/22/2022 访问量：232

问：

我收到了一个 .xlsx 文件，其中外语字符似乎最初必须编码为 utf-8，然后解码为 utf-16。

我无权访问原始文件。

例如，à 和 é³ 应分别读作 é 和 ó，它们编码为 0xC3 0xA9 和 0xC3 0xB3。相反，每个 utf-8 字符在某个时候被解码为两个 utf-16 字符。

我尝试将它们编码为字节并用 UTF-8 解码它们，但这并不能正确翻译。

这：

    s = "ó".encode("utf-16")
    uni = s.decode("utf-8")
    print(uni)

返回以下内容：UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte

我已经尝试了上面的编码/解码序列，包括各种不同的参数，包括 UTF-16be 和 UTF-16le，以及解码的每个错误参数，只是切掉了 BOM，但没有一个有效。

有没有办法解决这个问题？一些库可以使这个过程比通过读取每个字符串并用 ó 替换 ó 来进行文字替换更痛苦？

python unicode 编码 utf-16

评论

2赞 Mark Tolonen 11/22/2022
"ó".encode('latin1').decode('utf8')或更有可能在 Windows 上"ó".encode('windows-1252').decode('utf8')
1赞 Giacomo Catenazzi 11/22/2022
在尝试调试之前，请务必检查您的假设。在这种情况下：Excel 使用了 cp1252 或 Latin-1，但没有使用 UTF-16（它是“外国的”，它可能使用其他编码）。不要将“外来”用于非 ASCII 字符：良好的英语需要超过 256 个字符（因此“Windows ANSI”也很小）。

答： 暂无答案

上一个：默认情况下，UTF-16 编码是否处理数据压缩？

下一个：由于 T1 fontenc 和 latin1 日志文件导致的 tinytex 警告