作者sdriver (日夜顛倒)
看板Linux
標題[問題] PTT編碼
時間Wed Aug 20 12:12:51 2014
其實不知道該發在哪個板…但我記得GOOGLE相關問題時有看過LINUX板的文章，
所以就發在這了
最近在寫個讀PTT資料的程式，光在登入畫面我就不行了，讀出來的都是亂碼。經過無數
小時的努力，才發現PTT是用BIG5-UAO編碼。好，知道編碼就行。還好網路上也找的到
BIG5-UAO轉UNICODE的表(跟英文比要找中文資料真是無敵超級難，而且感覺有隨時沒資
料的可能)。
第一個困難點是，當我一個byte一個byte讀登入畫面的資料時，發現ASCII
和BIG5-UAO是混在一串的，ASCII一個字是1 byte，BIG5-UAO一個字是2 bytes。
但還好他們二個低位元的數值沒有重覆(在表裡面是這樣的)，我可以先只讀一個位元
來判斷目前的值是不是ASCII，如果是就直接顯示，不是的話就和下個位元合在一起去
查BIG5-UAO轉UNICODE的表。
但傷腦筋的來了，讀到後來資料裡竟然有不在BIG5-UAO也不是ASCII的位元，請問
我該怎麼辦？ 這個怪東西是 0x50A1。難道我哪裡搞錯了嗎？
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 76.182.127.99
※ 文章網址: http://webptt.com/m.aspx?n=bbs/Linux/M.1408507973.A.686.html
1F：推 filiaslayers: pcman是不是開源碼的?你可以翻一下他們的source 08/20 14:03
2F：→ filiaslayers: code去看他們怎麼處理這個問題 08/20 14:03
3F：→ Cypresslin: 我猜是一字雙色造成的 08/20 14:17
5F：推 soem: 一字雙色就是把BIG5的2byte之間插色碼... 08/20 21:10
6F：推 Tetralet: 那個編碼怪怪的是因為... 0x50 是 P 這個字？？ 08/20 22:40
7F：推 prismwu: 你先用utf-8試試看 不行的話我再回文 最近剛好也遇過這個 08/20 22:53
8F：推 abcdefghi: 輸出0x50, 把0xa1和下一個byte合成big5 08/20 23:43
9F：→ abcdefghi: 懶人法, 直接用iconv/icu把big5字串轉成utf8字串 08/20 23:44
10F：→ carylorrk: ssh 上 PTT 的站出來！ 08/21 00:47
11F：推 AceIan: ssh+1 08/21 11:52
12F：推 mstar: 不知道 pcmanx 能不能增加支援 ssh.... 08/21 12:07
13F：→ HamalAri: pcmanx 一直都支援 ssh ，只是要改設定檔 08/21 12:47
14F：推 Bencrie: ssh 連線跟密技一樣 XD 08/21 12:52
15F：推 ducktung: ssh+1 08/21 16:07
16F：推 redbxh: SSH+1 08/21 20:41
17F：推 mjsg: 當然用 ssh .. 08/22 02:46
18F：→ newversion: pietty +1 08/22 10:16
20F：推 mgdesigner: ssh++ 08/22 15:15
21F：推 carylorrk: 我覺得帳號後面打, 這個纔是密技吧，我現在才知道 XD 08/24 06:39
22F：推 ymzk: 登入時帳號後加',' 像你帳號原本sdriver改sdriver, 08/24 10:50
23F：→ ymzk: 進去後自然會變UTF-8 08/24 10:50
25F：推 prismwu: telnet當然是騙別人用(? 08/25 05:46