非英语特殊字符

如果这是Windows区域设置,只需生成一个包含32到255个字节的文件:区域设置的字节代码是相同的;它们只是对每个字节的解释不同。见 this page 用于链接。

示例:字节0xA5在捷克语代码页(1250)中表示“_”,而在德语代码页(1252 A.K.A ISO-Latin-1)中表示“_”。

[编辑]请注意,这仅适用于一个字节映射到一个字符的Unicode前区域设置。它不适用于每个字符需要两个或更多字节的任何亚洲区域设置。

我会用python+beautiful soup编写一个脚本,它可以从以下位置获取所有脚本:

http://en.wikipedia.org/wiki/List_of_Unicode_characters

CLDR(公共区域设置数据存储库, http://cldr.unicode.org/ )包含该信息。

但是,如果您使用Unicode处理所有事情,就没有很好的理由去关心。 欧盟现在的成员国在几个“传统”代码页上使用字符:西欧、东欧、土耳其、波罗的海、希腊、西里尔文。Unicode是唯一的方法。