如何根据码点与显示字符确定程序所用代码页？

核心逻辑 #

你的问题本质是：数据库中存储的是cp1252编码的字节0x9A（对应字符š），但程序将这个字节解码后显示为ü。我们需要找到哪个编码会把字节0x9A映射为Unicode字符ü（U+00FC）。

缩小范围的步骤 #

1. 明确关键映射关系
   锚定两个核心对应：

   • 写入数据库的原始字节：0x9A（来自cp1252编码的š）
   • 程序显示的目标字符：ü（Unicode码点U+00FC）
     目标编码必须满足「单字节0x9A解码为ü」的规则。

2. 筛选符合条件的编码
   针对Windows/DOS环境下的常用代码页，符合该映射的主要候选有：

   • cp850（DOS西欧编码）：这是最可能的选项，cp850编码表中字节0x9A直接对应小写ü。
   • cp858（cp850扩展版）：仅将cp850的0x80字节替换为欧元符号€，其余映射完全一致，因此0x9A仍对应ü。
   • cp437（DOS美国编码）：字节0x9A对应大写Ü，若程序显示的是小写ü，可优先排除；若存在大小写显示误差，可作为次要候选。

3. 排除不符合的编码

   • Windows系列的cp1250/1251/1254等代码页，0x9A对应的字符均不是ü；
   • UTF-8编码中ü是双字节0xC3 0xBC，单字节0x9A属于无效UTF-8序列，不可能显示为ü，直接排除。

进一步验证方案 #

如果要区分cp850和cp858，可尝试写入cp1252编码的欧元符号€（字节0x80）：

• 若程序显示为€，则是cp858；
• 若显示为Ç，则是cp850。

内容的提问来源于stack exchange，提问作者Martin B.