¿Cómo se determina el conjunto de caracteres de un archivo de forma?

Question

¿Hay alguna manera de determinar el charset usado para un shapefile dado?

Answer 1

Hay dos maneras de que los programas determinen el conjunto de caracteres de un archivo de formas.

• El primero es el archivo de la página de códigos *.cpg.
• La segunda es la información de la página de códigos, que puede estar dentro del archivo dbase. La especificación puede ser encontrada en http://www.clicketyclick.dk/databases/xbase/format/dbf.html#DBF_STRUCT

Answer 2

Prueba y error. Intenta abrir el archivo .dbf con Ms. Excel o con OpenOffice usando una configuración diferente hasta que logres que todo esté bien.

Mira este post para más pistas: http://stackoverflow.com/questions/319095/how-do-i-determine-the-character-set-of-a-string

Answer 3

El file es capaz de adivinar la codificación de un archivo de texto. Utiliza ogr2ogr para una conversión que preserve la codificación original si no hay .cpg archivo :

ogr2ogr -f CSV file.csv file.dbf
file file.csv

Ejemplo de salida:

file.csv: ISO-8859 text

Lo he probado con dos de las codificaciones más frecuentes, UTF-8 y latin1. Funciona fuera de la caja en Ubuntu, no estoy seguro de OS X. No estoy al tanto de un file en Windows.

NOTA : Tan pronto como haya un correspondiente .cpg que indica la codificación, ogr2ogr lo honrará y la salida será en UTF-8. Pero si la salida del CSV se ve bien, sabes que la información en el .cpg El archivo es preciso.

Answer 4

Otra tabla para convertir el 29º byte de *.dbf a página de código: http://webhelp.esri.com/arcpad/8.0/referenceguide/index.htm#locales/task_code.htm