.NET 中的 Encoding 编码

最新推荐文章于 2025-11-02 11:06:11 发布

转载最新推荐文章于 2025-11-02 11:06:11 发布 · 1.3k 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

原文链接：http://www.cnblogs.com/xia392145655/articles/2247304.html

本文详细介绍了编码与解码的概念，包括Unicode字符如何被转换为字节序列以及字节序列如何被转换回Unicode字符的过程。文章还列举了.NET Framework支持的各种编码格式及其代码页，并提供了编码和解码操作中常用方法的指导。

编码是一个将一组 Unicode 字符转换为一个字节序列的过程。而解码是将一个编码字节序列转换为一组 Unicode 字符的过程。有关 Encoding 所支持的 Unicode 转换格式 (UTF) 和其他编码的信息，请参见了解编码。请参见使用 Unicode 编码。

请注意，Encoding 用于对 Unicode 字符进行操作，而不是对任意二进制数据（如字节数组）进行操作。如果您的应用程序必须将任意二进制数据编码为文本，则该应用程序应使用由 ConvertToBase64CharArray()()() 之类的方法实现的协议（如 uuencode）。

.NET Framework 提供以下 Encoding 类的实现以支持当前 Unicode 编码和其他编码：

ASCIIEncoding 将 Unicode 字符编码为单个 7 位 ASCII 字符。此编码仅支持 U+0000 和 U+007F 之间的字符值。代码页 20127。还可通过 ASCII 属性获得。
UTF7Encoding 使用 UTF-7 编码对 Unicode 字符进行编码。此编码支持所有 Unicode 字符值。代码页 65000。还可通过 UTF7 属性获得。
UTF8Encoding 使用 UTF-8 编码对 Unicode 字符进行编码。此编码支持所有 Unicode 字符值。代码页 65001。还可通过 UTF8 属性获得。
UnicodeEncoding 使用 UTF-16 编码对 Unicode 字符进行编码。支持 Little-Endian（代码页 1200）和 Big-Endian（代码页 1201）字节顺序。还可通过 Unicode 属性和 BigEndianUnicode 属性获得。
UTF32Encoding 使用 UTF-32 编码对 Unicode 字符进行编码。支持 Little-Endian（代码页 65005）和 Big-Endian（代码页 65006）字节顺序。还可通过 UTF32 属性获得。

Encoding 类主要用于在不同的编码和 Unicode 之间进行转换。通常，对于您的应用程序来说，某个派生的 Unicode 类是不错的选择。

您的应用程序使用 GetEncoding 方法来获得其他编码。它们应使用 GetEncodings 方法来获得所有编码的列表。

下表列出了受支持的编码以及与这些编码关联的代码页。最后一列中的星号指示 .NET Framework 本身即支持该代码页，而不需考虑基础平台。

代码页	名称	显示名称
37	IBM037	IBM EBCDIC（美国 - 加拿大）
437	IBM437	OEM 美国
500	IBM500	IBM EBCDIC（国际）
708	ASMO-708	阿拉伯字符 (ASMO 708)
720	DOS-720	阿拉伯字符 (DOS)
737	ibm737	希腊字符 (DOS)
775	ibm775	波罗的海字符 (DOS)
850	ibm850	西欧字符 (DOS)
852	ibm852	中欧字符 (DOS)
855	IBM855	OEM 西里尔语
857	ibm857	土耳其字符 (DOS)
858	IBM00858	OEM 多语言拉丁语 I
860	IBM860	葡萄牙语 (DOS)
861	ibm861	冰岛语 (DOS)
862	DOS-862	希伯来字符 (DOS)
863	IBM863	加拿大法语 (DOS)
864	IBM864	阿拉伯字符 (864)
865	IBM865	北欧字符 (DOS)
866	cp866	西里尔字符 (DOS)
869	ibm869	现代希腊字符 (DOS)
870	IBM870	IBM EBCDIC（多语言拉丁语 2）
874	windows-874	泰语 (Windows)
875	cp875	IBM EBCDIC（现代希腊语）
932	shift_jis	日语 (Shift-JIS)
936	gb2312	简体中文 (GB2312)	*
949	ks_c_5601-1987	朝鲜语
950	big5	繁体中文 (Big5)
1026	IBM1026	IBM EBCDIC（土耳其拉丁语 5）
1047	IBM01047	IBM 拉丁语 1
1140	IBM01140	IBM EBCDIC（美国 - 加拿大 - 欧洲）
1141	IBM01141	IBM EBCDIC（德国 - 欧洲）
1142	IBM01142	IBM EBCDIC（丹麦 - 挪威 - 欧洲）
1143	IBM01143	IBM EBCDIC（芬兰 - 瑞典 - 欧洲）
1144	IBM01144	IBM EBCDIC（意大利 - 欧洲）
1145	IBM01145	IBM EBCDIC（西班牙 - 欧洲）
1146	IBM01146	IBM EBCDIC（英国 - 欧洲）
1147	IBM01147	IBM EBCDIC（法国 - 欧洲）
1148	IBM01148	IBM EBCDIC（国际 - 欧洲）
1149	IBM01149	IBM EBCDIC（冰岛语 - 欧洲）
1200	utf-16	Unicode	*
1201	unicodeFFFE	Unicode (Big-Endian)	*
1250	windows-1250	中欧字符 (Windows)
1251	windows-1251	西里尔字符 (Windows)
1252	Windows-1252	西欧字符 (Windows)	*
1253	windows-1253	希腊字符 (Windows)
1254	windows-1254	土耳其字符 (Windows)
1255	windows-1255	希伯来字符 (Windows)
1256	windows-1256	阿拉伯字符 (Windows)
1257	windows-1257	波罗的海字符 (Windows)
1258	windows-1258	越南字符 (Windows)
1361	Johab	朝鲜语 (Johab)
10000	macintosh	西欧字符 (Mac)
10001	x-mac-japanese	日语 (Mac)
10002	x-mac-chinesetrad	繁体中文 (Mac)
10003	x-mac-korean	朝鲜语 (Mac)	*
10004	x-mac-arabic	阿拉伯字符 (Mac)
10005	x-mac-hebrew	希伯来字符 (Mac)
10006	x-mac-greek	希腊字符 (Mac)
10007	x-mac-cyrillic	西里尔字符 (Mac)
10008	x-mac-chinesesimp	简体中文 (Mac)	*
10010	x-mac-romanian	罗马尼亚语 (Mac)
10017	x-mac-ukrainian	乌克兰语 (Mac)
10021	x-mac-thai	泰语 (Mac)
10029	x-mac-ce	中欧字符 (Mac)
10079	x-mac-icelandic	冰岛语 (Mac)
10081	x-mac-turkish	土耳其字符 (Mac)
10082	x-mac-croatian	克罗地亚语 (Mac)
12000	utf-32	Unicode (UTF-32)	*
12001	utf-32BE	Unicode (UTF-32 Big-Endian)	*
20000	x-Chinese-CNS	繁体中文 (CNS)
20001	x-cp20001	TCA 台湾
20002	x-Chinese-Eten	繁体中文 (Eten)
20003	x-cp20003	IBM5550 台湾
20004	x-cp20004	TeleText 台湾
20005	x-cp20005	Wang 台湾
20105	x-IA5	西欧字符 (IA5)
20106	x-IA5-German	德语 (IA5)
20107	x-IA5-Swedish	瑞典语 (IA5)
20108	x-IA5-Norwegian	挪威语 (IA5)
20127	us-ascii	US-ASCII	*
20261	x-cp20261	T.61
20269	x-cp20269	ISO-6937
20273	IBM273	IBM EBCDIC（德国）
20277	IBM277	IBM EBCDIC（丹麦 - 挪威）
20278	IBM278	IBM EBCDIC（芬兰 - 瑞典）
20280	IBM280	IBM EBCDIC（意大利）
20284	IBM284	IBM EBCDIC（西班牙）
20285	IBM285	IBM EBCDIC（英国）
20290	IBM290	IBM EBCDIC（日语片假名）
20297	IBM297	IBM EBCDIC（法国）
20420	IBM420	IBM EBCDIC（阿拉伯语）
20423	IBM423	IBM EBCDIC（希腊语）
20424	IBM424	IBM EBCDIC（希伯来语）
20833	x-EBCDIC-KoreanExtended	IBM EBCDIC（朝鲜语扩展）
20838	IBM-Thai	IBM EBCDIC（泰语）
20866	koi8-r	西里尔字符 (KOI8-R)
20871	IBM871	IBM EBCDIC（冰岛语）
20880	IBM880	IBM EBCDIC（西里尔俄语）
20905	IBM905	IBM EBCDIC（土耳其语）
20924	IBM00924	IBM 拉丁语 1
20932	EUC-JP	日语（JIS 0208-1990 和 0212-1990）
20936	x-cp20936	简体中文 (GB2312-80)	*
20949	x-cp20949	朝鲜语 Wansung	*
21025	cp1025	IBM EBCDIC（西里尔塞尔维亚 - 保加利亚语）
21866	koi8-u	西里尔字符 (KOI8-U)
28591	iso-8859-1	西欧字符 (ISO)	*
28592	iso-8859-2	中欧字符 (ISO)
28593	iso-8859-3	拉丁语 3 (ISO)
28594	iso-8859-4	波罗的海字符 (ISO)
28595	iso-8859-5	西里尔字符 (ISO)
28596	iso-8859-6	阿拉伯字符 (ISO)
28597	iso-8859-7	希腊字符 (ISO)
28598	iso-8859-8	希伯来字符 (ISO-Visual)	*
28599	iso-8859-9	土耳其字符 (ISO)
28603	iso-8859-13	爱沙尼亚语 (ISO)
28605	iso-8859-15	拉丁语 9 (ISO)
29001	x-Europa	欧罗巴
38598	iso-8859-8-i	希伯来字符 (ISO-Logical)	*
50220	iso-2022-jp	日语 (JIS)	*
50221	csISO2022JP	日语（JIS- 允许 1 字节假名）	*
50222	iso-2022-jp	日语（JIS- 允许 1 字节假名 - SO/SI）	*
50225	iso-2022-kr	朝鲜语 (ISO)	*
50227	x-cp50227	简体中文 (ISO-2022)	*
51932	euc-jp	日语 (EUC)	*
51936	EUC-CN	简体中文 (EUC)	*
51949	euc-kr	朝鲜语 (EUC)	*
52936	hz-gb-2312	简体中文 (HZ)	*
54936	GB18030	简体中文 (GB18030)	*
57002	x-iscii-de	ISCII 梵文	*
57003	x-iscii-be	ISCII 孟加拉语	*
57004	x-iscii-ta	ISCII 泰米尔语	*
57005	x-iscii-te	ISCII 泰卢固语	*
57006	x-iscii-as	ISCII 阿萨姆语	*
57007	x-iscii-or	ISCII 奥里雅语	*
57008	x-iscii-ka	ISCII 卡纳达语	*
57009	x-iscii-ma	ISCII 马拉雅拉姆字符	*
57010	x-iscii-gu	ISCII 古吉拉特字符	*
57011	x-iscii-pa	ISCII 旁遮普字符	*
65000	utf-7	Unicode (UTF-7)	*
65001	utf-8	Unicode (UTF-8)	*

GetByteCount()()() 方法确定将有多少字节导致对 Unicode 字符集进行编码，而 GetBytes()()() 方法将执行实际的编码操作。GetBytes()()() 方法要求进行离散的转换，而 GetBytes()()() 方法针对单个输入流处理多个转换。

支持几个版本的 GetByteCount()()() 和 GetBytes()()()。下面是在使用这些方法时应当注意的一些编程事项：

应用程序可能需要将许多输入字符编码为代码页并使用多个调用来处理这些字符。在这种情况下，应用程序可能需要在调用之间维护状态，并考虑由正在使用的 Encoder 对象所保持的状态。
如果应用程序处理字符串输入，建议您使用字符串版本的 GetBytes()()()。
Unicode 字符缓冲区版本的 GetBytes()()() 允许使用一些快速技术，尤其是在使用 Encoder 对象进行多个调用时或者插入到现有缓冲区时。但是，请记住，此方法版本有时会不安全，因为它需要指针。
如果您的应用程序必须转换大量数据，则它应当重用输出缓冲区。在这种情况下，支持字符数组的 GetBytes()()() 版本是最佳选择。
请考虑使用 Encoder..::.Convert 方法，而不是 GetByteCount()()()。转换方法将尽可能多地转换数据，但是，如果输出缓冲区太小，则将引发异常。如果要对流进行连续编码，则此方法通常是最佳选择。

GetCharCount()()() 方法确定有多少字符导致对字节序列进行解码，而 GetChars()()() 方法执行实际的解码。GetChars()()() 方法应当进行离散的转换，而 GetChars()()() 方法对单个输入流处理多个传递。

支持几个版本的 GetCharCount()()() 和 GetChar()()()。下面是在使用这些方法时应当注意的一些编程事项：

应用程序可能需要从代码页对多个输入字符进行解码并使用多个调用来处理这些字节。在这种情况下，您的应用程序可能需要在调用之间维护状态。
如果应用程序处理字符串输出，建议您使用 GetString()()() 方法。由于此方法必须检查字符串长度并分配缓冲区，因此它会稍慢些，但是所得到的 String 类型是首选类型。
字节版本的 GetChar()()() 允许使用一些快速技术，在对大型缓冲区进行多个调用时尤其如此。但是，请记住，此方法版本有时会不安全，因为它需要指针。
如果您的应用程序必须转换大量数据，则它应当重用输出缓冲区。在这种情况下，支持输出字符缓冲区的 GetChar()()() 版本是最佳选择。
请考虑使用 Decoder..::.Convert 方法，而不是 GetCharCount()()()。转换方法将尽可能多地转换数据，但是，如果输出缓冲区太小，则将引发异常。如果要对流进行连续解码，则此方法通常是最佳选择。

如果要转换的数据仅存在于连续块（如从流中读取的数据）中，或者如果数据量很大，需要划分为较小的块，则应用程序应当使用由某个派生类的 GetDecoder 方法提供的 Decoder 或由该派生类的 GetEncoder 方法提供的 Encoder。

UTF-16 和 UTF-32 编码器可以使用 Big-Endian 字节顺序（从最高有效字节开始），也可以使用 Little-Endian 字节顺序（从最低有效字节开始）。例如，大写拉丁字母 A (U+0041) 的序列化结果（十六进制）如下所示：

UTF-16 Big-Endian 字节顺序：00 41
UTF-16 Little-Endian 字节顺序：41 00
UTF-32 Big-Endian 字节顺序：00 00 00 41
UTF-32 Little-Endian 字节顺序：41 00 00 00

通常，使用本机字节顺序存储 Unicode 字符的效率更高。例如，在 Little-endian 平台（如 Intel 计算机）上最好使用 Little-endian 字节顺序。

GetPreamble 方法检索一个包括字节顺序标记 (BOM) 的字节数组。如果将此字节数组作为编码流的前缀，将有助于解码器识别所用的编码格式。

有关字节顺序和字节顺序标记的更多信息，请参见位于 Unicode home page（Unicode 主页）上的“The Unicode Standard”（Unicode 标准）。

请注意，编码类允许错误进行如下更改：

在不提示的情况下更改为“?”字符。
使用“最佳匹配”字符。
通过将 EncoderFallback 和 DecoderFallback 类与 U+FFFD Unicode 替换字符结合使用来更改为特定于应用程序的行为。

建议让您的应用程序针对所有的数据流错误引发异常。应用程序要么在适用时使用“throwonerror”标志，要么使用 EncoderExceptionFallback 和 DecoderExceptionFallback 类。通常不建议使用最佳匹配回退，因为它可能会导致数据丢失或发生冲突，而且比简单字符替换慢。对于 ANSI 编码，最佳匹配行为是默认行为。

转载于:https://www.cnblogs.com/xia392145655/articles/2247304.html

标签

#操作系统