错误（双重）编码CSV的反向传播

Question

我有一个CSV文件，但这个文件的编码方式搞错了。

这个文件是一个电影数据库，里面有对应的演员信息。我下载这个文件是为了练习一些编程，做一个叫做凯文·贝肯数的项目。

文件的内容大概是这样的：

movieId,title,actors
(...)
61,Eye for an Eye (1996),(a ton of other actors)|Dolores VelÌÁzquez|(more actors)
59,The Confessional (1995),(a ton of other actors)|Richard Fr̩chette|Fran̤ois Papineau|Marie Gignac|Normand Daneau|Anne-Marie Cadieux|Suzanne Cl̩ment|Lynda Beaulieu|Pascal Rollin|Billy Merasty|Paul H̩bert|Marthe Turgeon|Adreanne Lepage-Beaulieu|Andr̩e-Anne Th̩roux-Faille|Rodrigue Proteau|Philippe Paquin|Pierre H̩bert|Nathalie D'Anjou|Danielle Fichaud|Jules Philip|Jacques Laroche|Claude-Nicolas Demers|Jean-Philippe C̫t̩|Tristan Wiseman|Marc-Olivier Tremblay|Jacques Brouillet|Jean-Paul L'Allier|Denis Bernard|Ren̩e Hudon|Serge Laflamme|Carl Mathieu
(...)

你可以看到，演员的名字本该有一些特殊的字母，比如带有变音符号的字母（ÄÖÜ，É，À，Û等），但现在却变成了其他一些奇怪的符号。

通过对这个问题的讨论，我们发现这确实是一个叫做乱码的情况。

我的目标是通过编程来修复这些错误的字符，方法是按照正确的顺序进行解码和编码。

Answer 1

这是最接近解决方案的内容（由JosefZ提供）：

你遇到了一个双重乱码的情况（Python示例）：'FrÌ©chette|Fran̤ois'。经过一系列编码和解码操作，最终得到的结果是'Fréchette|François'。

感谢大家对这个问题的热心帮助，我们确认这确实是一个乱码的案例。

我在以下配置下取得了一些进展（Python）：

1. 读取当前的csv文件，编码没有指定
2. 进行编码和解码操作：encode('cp1252').decode('mac-roman').encode('cp1252').decode('iso-8859-16')
3. 将结果写入新的csv文件，并指定编码为'iso-8859-16'

通过这个配置，很多字符的问题得到了修复，但仍然有一些字符缺失。我不确定这是否意味着我需要再进行一次解码和编码（总共三次），还是我只是还没有找到正确的两组编码解码的配置。

以下是经过重新编码后仍然出现问题的字符列表：

after re-encoding | just reading | desired outcome | notes
==============================================================================
�                | Ì            | Á               | the lower case á works;
�_               | Ì_           | ü               | the upper case Ü works
�_               | Ì_           | ä               | I can't confirm whether upper case Ä works
                                 | æ               | I can't confirm whether this exists, but I confirmed one upper case that works; it's possible the file uses 'ae' instead
                                 | œ               | I can't confirm whether any of this exists; it's possible the file uses 'oe' instead
�_               | Ì_           | í               | I can't confirm whether upper case Í works
�_               | Ì_           | ó               | the upper case Ó works
�_               | Ì_           | þ               | the upper case Þ doesn't exist, I think

总结：

如你所见，无论是直接读取文件，还是在重新编码后读取，所有缺失的字符都显示为相同的乱码字符，因此似乎无法恢复这些字符的原始信息（这些信息在乱码的过程中丢失了）。我担心这些行需要手动修复。