신영 안
上面是html，下面是代码。这是一个名字吗？什么意思？
신옠안
【问题讨论】：
标签： html unicode encoding utf-8
你有一个 double Mojibake，使用不正确的编解码器破坏了数据。
其实是韩文，一个名字：
신영 안
或者，如果使用 HTML 实体，这个应该已经被编码为
신영 안
它翻译成英文为Shin-Young An。
当encoded to UTF-8 并按输入代码点分组然后使用十六进制数字显示时，您会得到：
ec 8b a0
ec 98 81
20
ec 95 88
要产生你所拥有的输出，必须有人：
使用Windows codepage 1252解码上述UTF-8数据，产生
ì‹<A0>ì˜<81> 안
(其中<A0> 是不间断的空格字符，<81> 是无效的 CP1252 字节，但这在许多解码器中经常被忽略；我已将它们包含在此符号中，因为否则它们不会被可打印）
再次将生成的混乱编码为 UTF-8，以提供以下字节值：
c3 ac e2 80 b9 c2 a0
c3 ac cb 9c c2 81
20
c3 ac e2 80 a2 cb 86
（分组与上面的正确 UTF-8 匹配）
使用相同的 Windows CP1252 编解码器第二次解码这些 UTF-8 字节，这一次产生：
ì‹Â<A0>ì˜Â<81> 안
（<A0> 和 <81> 字符上的注释相同）
最终将生成的字符编码为 HTML 实体：
신영 안
如果您安装了 Python，那么ftfy library 可以像这样一步“修复”文本：
>>> import ftfy
>>> sample = '신영 안'
>>> ftfy.ftfy(sample)
'신영 안'
我使用该库告诉我使用了哪些编解码器，并使用它的 sloppy CP1252 decoder 生成上述解码器。
例如对于我使用的您的输入：
>>> ftfy.fixes.fix_encoding_and_explain(ftfy.fixes.unescape_html(sample))
('신영 안', [('encode', 'sloppy-windows-1252', 0), ('decode', 'utf-8', 0), ('encode', 'sloppy-windows-1252', 0), ('decode', 'utf-8', 0)])
查看修复计划，并将其倒过来解释 Mojibake 最初是如何生产的。
【讨论】：