全球遗留编码指南：理解 ISO-8859 和 Windows-125x 系列
虽然 UTF-8 现在已成为全球标准，但世界各地数以百万计的文件、数据库和遗留系统仍在使用区域性的 8 位字符编码。对于开发人员、数据科学家和 IT 专业人士来说，理解这些遗留标准对于防止数据损坏和修复“乱码”（Mojibake）至关重要。
在本指南中，我们将探讨最常见的区域编码系列，包括 ISO-8859 系列和微软的 Windows-125x 代码页。
1. ISO-8859 系列（全球标准）
ISO-8859 标准是最初的 8 位字符编码国际标准。标准的每个部分都针对特定的区域或语言系列而设计。
- ISO-8859-1 (Latin-1)：使用最广泛的 8 位编码，涵盖西欧语言（英语、法语、德语、西班牙语等）。
- ISO-8859-2 (Latin-2)：用于中欧和东欧语言（波兰语、捷克语、匈牙利语等）。
- ISO-8859-5 (Cyrillic)：俄罗斯语和其他基于西里尔字母语言的标准。
- ISO-8859-6 (Arabic)：阿拉伯语标准。
- ISO-8859-7 (Greek)：现代希腊语标准。
- ISO-8859-8 (Hebrew)：希伯来语标准。
- ISO-8859-9 (Turkish)：针对土耳其语对 ISO-8859-1 的调整版本。
- ISO-8859-15 (Latin-9)：ISO-8859-1 的现代更新版，包含欧元符号 (€) 和一些缺失的法语/芬兰语字母。
2. Windows-125x 系列（微软扩展）
微软开发了自己的一套 8 位编码，通常基于 ISO-8859 标准，但带有专有修改。
- Windows-1252 (Western)：旧版 Windows 英语和西欧语言版本的默认编码。它与 ISO-8859-1 几乎相同，但使用“C1 控制码”范围来表示可打印字符，如智能引号和欧元符号。
- Windows-1251 (Cyrillic)：Windows 环境下俄语、保加利亚语和塞尔维亚语最流行的遗留编码。
- Windows-1250 (Central Europe)：微软版针对 Windows 的 Latin-2 编码。
- Windows-1256 (Arabic)：阿拉伯语常用的 Windows 编码。
3. 特殊遗留编码：KOI8-R
在 Windows-1251 和 Unicode 兴起之前，俄罗斯的 Unix 和早期互联网系统使用 KOI8-R (Kod Obmena Informatsiey 8-bit)。与其他编码不同，KOI8-R 的设计使得如果去掉最高位，俄语字符会映射到发音相似的拉丁字母，从而使文本在仅支持 7 位 ASCII 的系统上仍保持部分可读性。
4. 技术对比表
| 编码系列 | 目标区域 | 最佳用例 | Unicode 替代方案 |
|---|---|---|---|
| ISO-8859-1 | 西欧 | 遗留 Web / Unix | UTF-8 |
| Windows-1252 | 西欧 | 遗留 Windows 应用 | UTF-8 |
| ISO-8859-5 | 东欧 | 遗留西里尔系统 | UTF-8 |
| Windows-1251 | 东欧 | 遗留 Windows (RU) | UTF-8 |
| KOI8-R | 俄罗斯 | 遗留 Unix / 电子邮件 | UTF-8 |
| ISO-8859-6 | 中东 | 遗留阿拉伯语 Web | UTF-8 |
5. FAQ：常见问题
问：为什么我的“智能引号”（“”）变成了奇怪的符号？
答：这通常是 ISO-8859-1 和 Windows-1252 之间的不匹配造成的。ISO-8859-1 不包含智能引号，而 Windows-1252 包含。如果您将 Windows-1252 文本读取为 ISO-8859-1，这些字符将会损坏。
问：ISO-8859-1 和 UTF-8 有什么区别？
答：ISO-8859-1 是固定宽度的 8 位编码，只能表示 256 个字符。UTF-8 是变长编码，可以表示世界上每种语言的 110 多万个字符。
问：如何从遗留数据库中恢复文本？
答：您必须识别数据的原始编码（例如，俄语数据库可能使用 Windows-1251），并使用合适的解码器将其转换为 UTF-8。
6. 使用 Tool3M 掌握遗留编码
不要让遗留数据变成噩梦。Tool3M 提供了一套专业的区域编码修复和转换工具：
- ISO-8859 系列解码器与编码器：支持 ISO-8859 标准的所有 15 个部分。
- Windows 代码页转换器：无缝处理 Windows-1250, 1251, 1252 等。
- KOI8-R 恢复工具：从 Unix 系统恢复遗留俄语文本。
- 全球编码检测器：识别任何神秘文件的源编码。