修复 UTF-8 文本中的 mojibakes

我有一个包含 UTF-8 葡萄牙语文本的文件。不知何故，生成该文件的人选择了错误的编码，并且文本中充满了mojibake:

IDENTIFICAÌàÌÄO instead of identificação
André instead of André

自动化工具看不出该文件有任何问题。我尝试用以下方法修复它Python 包 ftfy无济于事。 除了手动替换所有不正确的字符之外，如何修复此文件？

“André”而不是“André”是 UTF-8 编码的 Latin-1 解释。 您可以通过反转编码/解码来修复它：

>>> 'André'.encode('latin-1').decode('utf-8')
'André'

遵循此模式的所有情况都可以这样修复。

但是，我无法解释另一种情况（“ç”用“Ìà”，“ã”用“ÌÄ”），因此无法提供解决方案。 如果您可以找到“Ì”、“à”和“Ä”分别具有代码点 C3、A7 和 A3 的编解码器，那么您可以使用它而不是 Latin-1 来修复文本。