阿拉伯文本文件无法打开

Question

我正在尝试使用 String:

打开 .srt 文件

let str = try String(filePath , encoding : .utf8)

但是每次我想读取特定的 .srt 文件时都会出现此错误：

couldn’t be opened using text encoding

sampleFile

有什么问题？

Answer 1

通常，当您不确定编码时，您实际上可以请求init(contentsOfFile:usedEncoding:)在转换过程中为您确定编码，例如

let fileURL = Bundle.main.url(forResource: "2", withExtension: "srt")!
var encoding: String.Encoding = .utf8
do {
    let string = try String(contentsOfFile: fileURL.path, usedEncoding: &encoding)
    print(encoding)
    print(string)
} catch {
    print(error)
}

不幸的是，在这种情况下，它会抛出一个错误：

The file “2.srt” couldn’t be opened because the text encoding of its contents can’t be determined.

不用说，这显然不是 utf8，更不用说 Foundation 理解的任何其他编码了。

当您在十六进制编辑器中查看文件时（在本例中，在 Xcode 中，右键单击该文件并选择“打开为”»“十六进制”），它显示：

因此，我们可以看到这是文本，但阿拉伯语不是 utf8。而且，正如 https://subtitletools.com/ 所说，

Text encoding is a tricky thing. Years ago, there were hundreds of different text encodings in an attempt to support all languages and character sets. Nowadays all these different languages can be encoded in unicode UTF-8, but unfortunately all the files from years ago still exist, and some stubborn countries still use old text encodings. Many devices have trouble displaying text encodings that are not UTF-8, they will display the text as random, unreadable characters.

经过一番调查，这似乎是一种 Windows-1256 格式。我无法在 Mac 上打开它，但我电脑上的 Word 给了我一个编码选择，“阿拉伯语 (Windows)” 看起来很有希望：

现在，在确认编码后，我原以为我可以使用 CFStringEncodings.windowsArabic 和 CFStringCreateWithBytes，但我无法让它工作。

所以，最后，我建立了自己的交叉引用table:

class Windows1256 {
    private static let values: [UInt32] = [
        0x0000, 0x0001, 0x0002, 0x0003, 0x0004, 0x0005, 0x0006, 0x0007, 0x0008, 0x0009, 0x000A, 0x000B, 0x000C, 0x000D, 0x000E, 0x000F,
        0x0010, 0x0011, 0x0012, 0x0013, 0x0014, 0x0015, 0x0016, 0x0017, 0x0018, 0x0019, 0x001A, 0x001B, 0x001C, 0x001D, 0x001E, 0x001F,
        0x0020, 0x0021, 0x0022, 0x0023, 0x0024, 0x0025, 0x0026, 0x0027, 0x0028, 0x0029, 0x002A, 0x002B, 0x002C, 0x002D, 0x002E, 0x002F,
        0x0030, 0x0031, 0x0032, 0x0033, 0x0034, 0x0035, 0x0036, 0x0037, 0x0038, 0x0039, 0x003A, 0x003B, 0x003C, 0x003D, 0x003E, 0x003F,
        0x0040, 0x0041, 0x0042, 0x0043, 0x0044, 0x0045, 0x0046, 0x0047, 0x0048, 0x0049, 0x004A, 0x004B, 0x004C, 0x004D, 0x004E, 0x004F,
        0x0050, 0x0051, 0x0052, 0x0053, 0x0054, 0x0055, 0x0056, 0x0057, 0x0058, 0x0059, 0x005A, 0x005B, 0x005C, 0x005D, 0x005E, 0x005F,
        0x0060, 0x0061, 0x0062, 0x0063, 0x0064, 0x0065, 0x0066, 0x0067, 0x0068, 0x0069, 0x006A, 0x006B, 0x006C, 0x006D, 0x006E, 0x006F,
        0x0070, 0x0071, 0x0072, 0x0073, 0x0074, 0x0075, 0x0076, 0x0077, 0x0078, 0x0079, 0x007A, 0x007B, 0x007C, 0x007D, 0x007E, 0x007F,
        0x20AC, 0x067E, 0x201A, 0x0192, 0x201E, 0x2026, 0x2020, 0x2021, 0x02C6, 0x2030, 0x0679, 0x2039, 0x0152, 0x0686, 0x0698, 0x0688,
        0x06AF, 0x2018, 0x2019, 0x201C, 0x201D, 0x2022, 0x2013, 0x2014, 0x06A9, 0x2122, 0x0691, 0x203A, 0x0153, 0x200C, 0x200D, 0x06BA,
        0x00A0, 0x060C, 0x00A2, 0x00A3, 0x00A4, 0x00A5, 0x00A6, 0x00A7, 0x00A8, 0x00A9, 0x06BE, 0x00AB, 0x00AC, 0x00AD, 0x00AE, 0x00AF,
        0x00B0, 0x00B1, 0x00B2, 0x00B3, 0x00B4, 0x00B5, 0x00B6, 0x00B7, 0x00B8, 0x00B9, 0x061B, 0x00BB, 0x00BC, 0x00BD, 0x00BE, 0x061F,
        0x06C1, 0x0621, 0x0622, 0x0623, 0x0624, 0x0625, 0x0626, 0x0627, 0x0628, 0x0629, 0x062A, 0x062B, 0x062C, 0x062D, 0x062E, 0x062F,
        0x0630, 0x0631, 0x0632, 0x0633, 0x0634, 0x0635, 0x0636, 0x00D7, 0x0637, 0x0638, 0x0639, 0x063A, 0x0640, 0x0641, 0x0642, 0x0643,
        0x00E0, 0x0644, 0x00E2, 0x0645, 0x0646, 0x0647, 0x0648, 0x00E7, 0x00E8, 0x00E9, 0x00EA, 0x00EB, 0x0649, 0x064A, 0x00EE, 0x00EF,
        0x064B, 0x064C, 0x064D, 0x064E, 0x00F4, 0x064F, 0x0650, 0x00F7, 0x0651, 0x00F9, 0x0652, 0x00FB, 0x00FC, 0x200E, 0x200F, 0x06D2
    ]

    static let scalars = values.map { Unicode.Scalar([=11=])! }

    static func convert(_ data: Data) -> String {
        var string = ""
        string.reserveCapacity(data.count)

        for byte in data {
            string += String(scalars[Int(byte)])
        }
        return string
    }
}

然后我可以转换那个

let string = Windows1256.convert(data)

这会产生：

1
00:00:00,276 --> 00:00:02,401
:انچه گذشت
قرباني لين دوهرسته

2
00:00:02,403 --> 00:00:04,870SW
الان ديگه ما دنبال يه مجرم سريالي هستيم

我不会读或写阿拉伯语，所以我无法验证这个解决方案，但在我未经训练的人看来它看起来很有希望。

不用说，完成此转换后，如果需要以这种编码保存结果，则可以使用 .utf8 将其写入文件（或转换为 Data）。

阿拉伯文本文件无法打开

Arabic text file couldn’t be opened

string

arabic

swift