如何识别utf-8或gbk编码的中文内容

使用tcpdump抓包得到下面的数据：51Testing软件测试网O2n~2p&y)q9Y

0x0040  6c2e 6a73 703f 444e 3d43 2533 6443 4e25       l.jsp?DN=C%3dCN%51Testing软件测试网9M{zW K

0x0050  3263 4f25 3364 4346 4341 2532 3054 4553       2cO%3dCFCA%20TES

#_*a:e#?)RR o00x0060  5425 3230 4341 2532 634f 5525 3364 4351       T%20CA%2cOU%3dCQ

7xt5JP%oi?00x0070  4342 2532 634f 5525 3364 656e 7465 7270       CB%2cOU%3denterp51Testing软件测试网(lGJ_C!B^1T

0x0080  7269 7365 7325 3263 434e 2533 6430 3431       rises%2cCN%3d04151Testing软件测试网1j&gM3cT5C5IM

0x0090  2534 3034 3131 3131 3125 3430 2545 3625       %40411111%40%E6%

5S"q2Gv3xP00x00a0  3932 2541 3425 4539 2539 3425 3830 2534       92%A4%E9%94%80%4

Dz'Z hHe00x00b0  3030 3030 3030 3030 3125 3030 2653 4e3d       000000001%00&SN=51Testing软件测试网b-\l
~)W
t6Wl

0x00c0  3631 6266 6661 3836 6533 6536 6261 6163       61bffa86e3e6baac51Testing软件测试网*q1YgRM2s,M

0x00d0  3239 3061 3063 6134 3738 6464 3064 3865       290a0ca478dd0d8e51Testing软件测试网%BJ N(kz'a

0x00e0  2530 3026 696e 666f 7365 633d 3139 3225       %00&infosec=192%

)Pg&IZ"r7n-ilR00x00f0  3265 3136 3825 3265 3025 3265 3131 3620       2e168%2e0%2e116.

5B1?{ _6ORrIF051Testing软件测试网Y!V{&t){Bnj-Q

可以使用下面的方法确定%E6%92%A4%E9%94%80%部分是乱码，还是中文字符的正确表示。

1.        首先确定编码是utf-8还是gbk。由于utf-8用三个码表示一个字，gbk用两个码表示一个字，“%E6%92%A4%E9%94%80%”预期为撤销两个字，因此确定该编码为utf-8编码；

2.        创建一个utf-8编码的文本文件，内容为预期的“撤销两个字”，然后使用UltraEdit打开该文件，切换到十六进制模式（选择工具栏上的“H”），utf-8的前三个码为文件头，因此从第四个码开始与“%E6%92%A4%E9%94%80%”进行比较（%为分隔符），如果一致表示该段编码为中文“撤销”；

3.        如果不一致，将该段编码中的每个码替换到文件中，然后保存，切换到普通模式查看（或直接使用记事本查看），如果为不可打印的字符，则为乱码；

4.        如果编码为gbk编码，则在创建文件时，编码选择ANSI，其他步骤同上。

}f_EAV0 注，在UltraEdit中查看ASCII表：选择view->ASCII table，调出ASCII表51Testing软件测试网d/w:n*S9_ w,]1U1NU

4I Q9M Hx*~C_)J0 51Testing软件测试网{4h*[2B:IoW

^4e#U-n'p1i|U&o0注：2007年5月28日写于msn共享空间51Testing软件测试网Lh#R}2kZ i