Kaputte Datei ohne Encoding mit Umlauten in StringList laden+Zeichen erhalten

[DieDolly]

Spoiler: die Daten wären verloren

Ich komme bei einem Problem nicht weiter. Ich lade mit TFile und TEncoding.UTF8 eine Datei in eine StringList. Ich möchte es jedenfalls.

Aber meine Datei scheint kaputt zu sein.
Die Datei ist laut Notepad++ ohne Encoding. Laut Sublime Western (Windows 1252).

Die Datei hat vor dem Speichern den Inhalt

Zitat:

Ä ʘ Ü

und hat laut Notepad++ wie gesagt danach kein Encoding. Sublime ließt die Datei als

Zitat:

Ä ? Ü

ein.
Ich habe vorerst eine Behandlung eingebaut die auf TEncoding.Default zurückgreift, wenn das Laden in meiner eigenen TFile mit UTF8 fehlschlägt. So bekomme ich ebenfalls das Sublime Ergebnis.

Kann man das schöner behandeln?

Delphi-Quellcode:

 try
  Result := TFile.ReadAllText(Path, TEncoding.UTF8);
 except
  Result := TFile.ReadAllText(Path, TEncoding.Default);
 end;

[peterbelow]

Wenn die Datei Utf-8 ist, aber halt keine BOM hat, versuch mal eine Instanz dieses encodings:

Delphi-Quellcode:

type
  {!
  <summary>
   UTF8 encoding class without BOM, can be used to write files in
   UTF8 encoding without a BOM, e.g. XML or XHTML files.
  </summary>}
  TNoBomUTF8Encoding = class(TUTF8Encoding)
  public
    {!
    <summary>
     Return a zero-elements array to use as a BOM.
    </summary>}
    function GetPreamble: System.TArray<System.Byte>; override;
  end;

function TNoBomUTF8Encoding.GetPreamble: System.TArray<System.Byte>;
begin
  SetLength(Result,0);
end;

[DieDolly]

Die Datei ist nicht UTF-8. Sie ist Western Windows 1252.

[Schokohase]

Zitat von DieDolly:

Die Datei ist nicht UTF-8. Sie ist Western Windows 1252.

Hier wäre eine Klarstellung notwendig.

Im ersten Post schreibst du, dass

Zitat von DieDolly:

Die Datei ist laut Notepad++ ohne Encoding. Laut Sublime Western (Windows 1252).

Welches Encoding für diese Text-Datei verwendet wurde kann (ohne BOM) nur der Ersteller der Text-Datei zuverlässig mitteilen, alles andere ist reine Spekulation oder basiert auf Vermutungen/Annahmen.

Also: Ist deine Angabe zum Encoding nun eine gesicherte Information vom Ersteller der Datei oder eben diese geschätzte Annahme von Sublime (der trotz dieser Annahme die Datei nicht richtig darstellen kann).

BTW: Jede Textdatei hat ein Encoding. Ohne Encoding ist es keine Textdatei, sondern nur ein Haufen Bytes. Wenn Notepad++ kein Encoding angibt, dann heißt das nicht, es gibt dort kein Encoding, sondern die verwendeten Prüfverfahren von Notepad++ konnten kein Encoding aus der Datei herauslesen.

[DieDolly]

Leider weiß ich nicht wie diese Datei erzeugt wurde.
Ich habe nur noch ein seltenes Exemplar davon auf meinem Computer.

Zitat:

Also: Ist deine Angabe zum Encoding nun eine gesicherte Information vom Ersteller der Datei oder eben diese geschätzte Angabe von Sublime (der trotz dieser Annahme die Datei nicht richtig darstellen kann).

Das ist von Sublime. Ich glaube nicht, dass das Unicodezeichen überhaupt noch in der Datei existiert. Das Encoding fehlt schließlich.

Soll ich die Datei mal hier hochladen? Sie ist 5 Bytes groß (3 Zeichen, 2 Leerstellen), offensichtlich kein Multibyte.

[Schokohase]

Die brauchst du nicht hochladen, sondern diese 5 Bytes kannst du auch als Hex-Zeichenfolge hier direkt posten.

Gibt es einen Hinweis, was für eine Information diese 5 Bytes beinhalten sollen? Denn bei 5 Zeichen (effektiv 3) ist der Informationsgehalt für Text doch recht dürftig

[DieDolly]

Das ist eine Datei mit freiem, zuzfälligem Testinhalt.
Egal was drin stünde, die Daten wären verloren zwecks fehlendem Encoding. Das ist mir jetzt klar.

Zitat:

C4 20 3F 20 DC

A ? Ü

3F, Fragezeichen. Da wäre im schlimmsten Fall nix zu retten.

Gilt hier als Notlösung so eine Datei einfach mit TEncoding.Default zu laden?

[Schokohase]

Zitat von DieDolly:

Gilt hier als Notlösung so eine Datei einfach mit TEncoding.Default zu laden?

NEIN - Wenn du das Encoding nicht kennst und auch in keiner Weise herleiten kannst, dann kannst du die Datei nicht so interpretieren, wie du es müsstest.

Das gleiche Problem hast du mit einer PNG-Datei (dir so nicht bewusst) und du das pauschal eben dann einfach als BMP öffnest. Dort gibt es auch nur Murks (bzw. da wirst du eine Fehlermeldung bekommen). Bei Text gibt es aber keine Fehlermeldungen bei falsch gewähltem Encoding (bzw. sehr selten).

Wenn du aber nicht weißt, was diese Datei bedeutet, warum willst du diese dann öffnen/verarbeiten? Das ergibt keinen Sinn.

Einen Zettel mit irgendwelchen kryptischen Zeichen drauf ergibt auch keinen Sinn, wenn man keinen Anhaltspunkt hat, was der zu bedeuten hat. Vielleicht nur eine Schriftprobe?

[Delphi.Narium]

3F ist der Hexadezimalwert für das Fragezeichen im ASCII-Zeichensatz, da dürfte es (beinahe) egal sein, ob nun "Western Windows 1252" oder sonst irgendwas aus der "ISO 8859-Ecke".

Das Fragezeichen ist ein reguläres Fragezeichen und nicht das Fragezeichen, dass man zuweilen angezeigt bekommt, wenn eine Datei irgendwas enthält, was man mit dem gewählten / erratenen Zeichensatz nicht darstellen kann.

[Uwe Raabe]

Das 3F- Fragezeichen entsteht aber wohl schon weiter hinten in der Kette, denn

Zitat von DieDolly:

Die Datei hat vor dem Speichern den Inhalt

Zitat:

Ä ʘ Ü