为什么 RTF 中的 Unicode 字符后跟 \'3f？

Question

如果你看一下 RTF 编码 Unicode 的方式，它总是在一个 Unicode 字符后跟一个 0x3f 字符，这是一个问号：

\u20181\'3f\u20182\'3f\u20183\'3f\u30340\'3f

这里有人知道为什么会这样吗？是否只是为了保持与 pre-Unicode RTF 阅读器的兼容性？

Answer 1

\'3f

代表十六进制字符。在这种情况下（在 Python 的帮助下），一个问号。这取决于当前选择的代码页，它没有显示在提供的 RTF 中，但无论它是什么，都不支持该代码页中的这些字符：

>>> chr(0x3f)
'?'

Unicode 字符是

仕他仗的

（再次借助 Python 的帮助）：

>>> chr(20181)+chr(20182)+chr(20183)+chr(30340)
'仕他仗的'

在我生成并保存为 RTF 格式的 Word 文档中，

\u-26004\'c2\'ed\u20811\'bf\'cb

是两个字符

马克

。

c2 ed

和

bf cb

是由

\fcharset134

在文档前面选择的中文编码等价物。

>>> chr(-26004 & 0xffff) + chr(20811)  # 0xffff mask needed to limit 2s complement to 16 bits.
'马克'
>>> bytes.fromhex('c2 ed bf cb').decode('chinese')
'马克'

有关更多信息，请阅读 RTF 规范：