求解析IBM Lotus Notes旧专有格式OTG/ONM文件的方法

编码排查方向 #

• 不要局限于IBM437，优先尝试IBM850（西欧扩展ASCII）或Windows-1252，Lotus Notes早期版本对西欧字符常使用这两种编码。
• 检查已解析的头部字段：部分OTG文件会在头部存储$Codepage类的编码标识，可直接以此作为解码依据。

处理富文本结构 #

OTG/ONM属于Lotus Notes富文本格式，乱码大概率是未处理富文本控制字符导致，而非单纯编码问题：

• 识别富文本标记：你看到的??Z这类乱码是富文本的结构控制字节（多为0x00-0x1F范围），需跳过这些结构段，只提取纯文本数据块。
• 提取规则参考：Lotus Notes富文本以0x1A作为块分隔符，文本块通常以0x00开头，后跟长度字段，再是实际文本内容。
• 过滤非打印字符：保留ASCII 32-126范围内的字符，以及换行、制表符等合法格式字符，再进行编码转换。

工具辅助验证 #

• 用Lotus Notes客户端打开原始EMX中的OTG文件，导出为纯文本，对比你的解析结果，区分控制字符与编码问题。
• 用hexdump（Linux）或HxD（Windows）查看OTG文件十六进制内容：若乱码字节在0x80-0xFF范围，优先试Windows-1252；若在0xC0-0xFF，尝试ISO-8859-1。

伪代码示例 #

# 读取OTG二进制数据
raw_data = open("target.otg", "rb").read()

# 过滤控制字符，保留可打印文本及合法格式符
filtered_bytes = b""
for b in raw_data:
    if (32 <= b <= 126) or b in [9, 10, 13]:
        filtered_bytes += bytes([b])

# 多编码尝试解码
candidate_encodings = ["ibm850", "windows-1252", "iso-8859-1", "ibm437"]
for enc in candidate_encodings:
    try:
        decoded_text = filtered_bytes.decode(enc)
        print(f"[{enc}] 解码片段:\n{decoded_text[:600]}...")
    except UnicodeDecodeError:
        continue

内容的提问来源于stack exchange，提问作者JMoneyPlzSendHelp