gedit error: “Erro inesperado: sequência de bytes inválida na entrada de conversão”

Question

Estou fazendo um projeto de pesquisa em PNL. Para isso, tenho que analisar um arquivo de texto unicode (cingalês) de cerca de 10mb e ele é aberto no Google Docs. Mas quando eu tento abri-lo do gedit estou recebendo esse erro

Unexpected error: Invalid byte sequence in conversion input

Então, eu segui essa pergunta semelhante e tentou a segunda resposta que sugere a execução deste comando no terminal:

gsettings set org.gnome.gedit.preferences.encodings auto-detected "['UTF-8', 'CURRENT', 'ISO-8859-15', 'UTF-16']"

Eu tenho esse resultado no terminal:

GLib-GIO-Message: Using the 'memory' GSettings backend.  Your settings will not be saved or shared with other applications.
No such key "auto-detected"

Portanto, não há sucesso. Quando tento abrir o arquivo no gedit, estou recebendo o mesmo erro. Como posso consertar isso? Como posso abrir este arquivo em gedit ?

    

Answer 1

Não sei qual é a causa do problema, mas consegui reproduzi-lo no meu sistema.

Experimentalmente, eu corri dos2unix no arquivo e a saída disse que era um arquivo UTF-16LE. Para os curiosos, LE significa little endian . Depois de dos2unix ter convertido o arquivo para o formato UTF-8, consegui abri-lo com o Gedit.

sudo apt install dos2unix
dos2unix -n oldfile newfile
gedit newfile

Eu usei o sinal -n para evitar substituir o arquivo original. Substitua oldfile pelo nome do arquivo original e newfile pelo nome que você deseja que o novo arquivo seja chamado. Use a conclusão de tabulação (digite o início do nome do arquivo e pressione tab e o nome completo deve aparecer) ou ' aspas se o nome do arquivo tiver espaços ou outros caracteres especiais.

Como participante, consegui abrir o arquivo sem convertê-lo usando o Pluma , um editor de texto baseado no Gedit , então eu suspeito que isso pode ser um bug no Gedit. A passagem de --encoding UTF-16LE ou --encoding UTF-16 para o Gedit ao abrir o arquivo não ajudou.