データからのWindows-1252文字をUTF-8として間違って保存しました

Question

Java HtmlUnitを使用してサンプリングされたデータを扱っています。 WebページはWindows-1252エンコーディングを使用しましたが、ページがUTF-8としてエンコードされているかのようにレスポンスが取得されました（つまり、HtmlUnit WebResponseオブジェクトのgetContentAsStringが呼び出されたとき、サーバーで指定されたエンコーディングに遅延するのではなくUTF-応答）。誤ってラベル付けされたUTF-8文字データから元のWindows-1252データを再構築するために、このプロセスを逆にする方法はありますか？

このトピックの他のほとんどの質問は、最初に正しくエンコードされた文字のファイルの種類の特定、またはあるストリームタイプから別のストリームタイプへの変換に関するものです。それはここでは当てはまりません。私はiconvのようなユーティリティが動作するとは思っていません。なぜなら、ストリームがソースコードで正しく持続されていると期待しているからです。

Answer 1

おそらくそうではありません。 Windows-1252でエンコードされたテキストがUTF-8であると誤解された場合、UTF-8がこれらのコードポイントを処理する方法のために、非ASCIIコードポイントがすべて破損します。非常に幸運なことに、すべての非ASCIIコードポイントがペアまたはトリプレットになって純粋なチャンスで実際のUnicodeコードポイントに変換される場合にのみ、プロセスを元に戻すことができます。

しかし、あなたはかなり運が良かったです。