如何找出此文本的编码？

我的解决方案使用 Python 3 和一些侦探工作。我们首先将从问题复制的文本分配给一个变量：

texto_mal = "ƒsta ser‡ una historia de terror. Ser‡ una historia polic’aca, un relato de serie negra y de terror. Pero no lo parecer‡. No lo parecer‡ porque soy yo la que lo cuenta. Soy yo la que habla y por eso no lo parecer‡. Pero en el fondo es la historia de un crimen atroz. Yo soy la amiga de todos los mexicanos. Podr’a decir: soy la madre de la poes’a mexicana, pero mejor no lo digo. Yo conozco a todos los poetas y todos los poetas me conocen a m’. As’ que podr’a decirlo. Podr’a decir: soy la madre y corre un cŽfiro de la chingada desde hace siglos, pero mejor no lo digo. Podr’a decir, por ejemplo: yo conoc’ a Arturito Belano cuando Žl ten’a diecisiete a–os y era un ni–o t’mido que escrib’a obras de teatro y poes’a y no sab’a beber, pero ser’a de algœn modo una redundancia y a m’ me ense–aron (con un l‡tigo me ense–aron, con una vara de fierro) que las redundancias sobran y que s—lo debe bastar con el argumento. Lo que s’ puedo decir es mi nombre. Me llamo"

使用 Python，有一些库可以自动检测字节序列的编码，例如 module chardet。但是，这种类型的解决方案在这里不起作用，因为我们无法访问原始字节序列，而是访问在 StackOverflow 中粘贴文本的结果，并将结果转换为 UTF-8。

事实上，chardet.detect()它需要一个字节字符串作为参数，但在这种情况下，我们只有一个字符串，我们必须将其传递给字节，例如texto_mal.encode(...)，并且我们必须指定一个编码，这是我们想发现什么。

那该怎么办？

我们可以使用一些启发式方法，依赖于文本是西班牙语的事实，并且我们大部分时间都可以阅读其内容。事实上，我们可以推断它‡代表字母á，它’代表í，它可能ƒ是É等等。

让我们暂时只关注其中一个角色。然后我们可以将问题重新表述为：

哪对编码的符号‡和符号á在同一位置？

为了回答这个问题，我尝试在 python 支持的所有可能的编码中对符号"‡"进行编码，以获得一个字节（或字节序列），然后我继续使用每种可能的编码再次对其进行编码，看看哪个是结果是一个"á"（当然，忽略所有产生编码错误的那些）：

codecs = ['ascii', 'big5', 'big5hkscs', 'cp037', 'cp273', 'cp424', 'cp437', 'cp500', 'cp720', 'cp737', 'cp775', 'cp850', 'cp852', 'cp855', 'cp856', 'cp857', 'cp858', 'cp860', 'cp861', 'cp862', 'cp863', 'cp864', 'cp865', 'cp866', 'cp869', 'cp874', 'cp875', 'cp932', 'cp949', 'cp950', 'cp1006', 'cp1026', 'cp1125', 'cp1140', 'cp1250', 'cp1251', 'cp1252', 'cp1253', 'cp1254', 'cp1255', 'cp1256', 'cp1257', 'cp1258', 'euc_jp', 'euc_jis_2004', 'euc_jisx0213', 'euc_kr', 'gb2312', 'gbk', 'gb18030', 'hz', 'iso2022_jp', 'iso2022_jp_1', 'iso2022_jp_2', 'iso2022_jp_2004', 'iso2022_jp_3', 'iso2022_jp_ext', 'iso2022_kr', 'latin_1', 'iso8859_2', 'iso8859_3', 'iso8859_4', 'iso8859_5', 'iso8859_6', 'iso8859_7', 'iso8859_8', 'iso8859_9', 'iso8859_10', 'iso8859_11', 'iso8859_13', 'iso8859_14', 'iso8859_15', 'iso8859_16', 'johab', 'koi8_r', 'koi8_t', 'koi8_u', 'kz1048', 'mac_cyrillic', 'mac_greek', 'mac_iceland', 'mac_latin2', 'mac_roman', 'mac_turkish', 'ptcp154', 'shift_jis', 'shift_jis_2004', 'shift_jisx0213', 'utf_32', 'utf_32_be', 'utf_32_le', 'utf_16', 'utf_16_be', 'utf_16_le', 'utf_7', 'utf_8', 'utf_8_sig']

for e in codecs:
  for d in codecs:
    try:
      r = "‡".encode(e)
      b = r.decode(d)
    except:
      continue
    if b != 'á':
      continue
    print(e, d)

结果是一组 44 对编码，例如，其中一个（我选择它是因为它似乎最有可能）是cp1252 mac_roman.

这意味着用户（总是假设性地）收到了一个具有编码的文本文件mac_roman（在较旧的Mac上使用），但使用使用该编码的编辑器（可能是Windowscp1252记事本）打开它，因此看到了所有那些奇怪的字符。在 Stack Overflow 上复制和粘贴它们时，它们被接收为 Unicode（“utf-8”），使问题进一步复杂化，因为不再可能看到原始字节。

因此，用 编码用户给出的文本并用cp1252再次解码mac_roman，它看起来已经可读：

texto = texto_mal.encode("cp1252").decode("mac_roman")
print(texto)

这将是一个恐怖故事。这将是一个警察故事，一个黑色和恐怖的系列故事。但它看起来不像。它看起来不像，因为我是那个告诉它的人。是我说话，这就是为什么它看起来不像。但在内心深处，这是一个令人发指的罪行的故事。我是所有墨西哥人的朋友。我可以说：我是墨西哥诗歌之母，但我最好不要说出来。我认识所有的诗人，所有的诗人都认识我。所以我可以说。我可以说：我是母亲，狗屎西风已经流传了几个世纪，但最好不要说出来。例如，我可以说：我在 17 岁时遇到了 Arturito Belano，他是一个害羞的男孩，会写戏剧和诗歌，不会喝酒，但这有点多余，他们教我（有他们教我的鞭子，用铁棒）有太多的冗余，只有论证就足够了。我能说的是我的名字。我的名字是