为什么在处理纯文本文件时会发生单个字节损坏？

问题描述

我在这里真的很困惑，我什至无法更清楚地说明问题的主题。在处理纯文本文件时，我遇到了奇怪的符号（字节）替换。

例如，我有一个包含大约 20000 个字符串的文件，其中之一是： MIEPTLIRVGEAFYDITHLAPTRHTVPVLVRGNFAKVPVRISYTNHCYSRTPRAGEQVPTGHEIKDGAKLRMFCEQRHRLSSYLPQILIDLLQGETSLWQAAGGNFLQVELVDDVDGEPPTKIEYNVILRMERLKPEGDQKHIMIRVETAYPEDIEYKKGDKPFRKKSKPRAKRIAKY

我将大约 1000 个这样的文件合并在一起，只是用 Python 一个接一个地编写它们（使用简单的 open(filename) 方法）。在我看到的相应字符串中的结果文件中（而所有其他字符串都很好）： MIEPTLIRVGEAFYDITHLAPTRHTVPVLVRGNFAKVPVRISYTNHCYSRTPRAGEQVPTGHEIKDGAKLRMFCEQRHRLSSYLPQILIDLLQGETSLWQAAGGNFLQVELVDDVDGEPPTKIEYNVILRMERLKPEGDQKHIMIRVETAYPEDIEYKGDKPFRKKSDRKPEKREK

因此，发生了将“Y”（HEX 59）替换为“Щ”字母（HEX D9）的情况（两个字母都在上面加粗）。如果我再次执行此过程，则此位置不会发生替换，因此它是随机的（？）。我还注意到在其他情况下“P”（HEX 50）和俄语“Р”字母（HEX D0）发生了同样的替换。将这些情况统一起来的是，如果我们从 ASCII 表的 0 和 128 位置开始计数，则在这两种情况下，一对中的字母具有相同的数字：英语 P 的位置为 80，而俄语 Р 的位置为 128+80=208；字母 Y 的位置为 89，字母“Щ”的位置为 128+89=217。我想这是一种文件损坏，但它是如何发生的，为什么会发生？有什么想法吗？

解决方法

我应该在问之前就猜到了：实际上它看起来像一个位翻转，它可能会随机发生，作为读/写磁盘的错误。如果编码字母的字节中的第一个位翻转，则替换变得可见，因为该字母不再位于 ASCII 表的前 128 个符号中，并且某些软件会对此变得胡思乱想。

"Y" = 01011001
"Щ" = 11011001 

"P" = 01010000 
"Р" = 11010000