System.Text.Encoding, klasa
Ten artykuł zawiera dodatkowe uwagi dotyczące dokumentacji referencyjnej dla tego interfejsu API.
Klasa Encoding reprezentuje kodowanie znaków.
Kodowanie to proces przekształcania zestawu znaków Unicode w sekwencję bajtów. Z kolei dekodowanie to proces przekształcania sekwencji zakodowanych bajtów w zestaw znaków Unicode. Aby uzyskać informacje na temat formatów transformacji Unicode (UTFs) i innych kodowań obsługiwanych przez Encodingprogram , zobacz Kodowanie znaków na platformie .NET.
Encoding program ma obsługiwać znaki Unicode zamiast dowolnych danych binarnych, takich jak tablice bajtów. Jeśli musisz zakodować dowolne dane binarne do tekstu, należy użyć protokołu takiego jak uuencode, który jest implementowany za pomocą metod, takich jak Convert.ToBase64CharArray.
Platforma .NET udostępnia następujące implementacje klasy do obsługi bieżących Encoding kodowań Unicode i innych kodowań:
ASCIIEncoding koduje znaki Unicode jako pojedyncze 7-bitowe znaki ASCII. To kodowanie obsługuje tylko wartości znaków między U+0000 a U+007F. Strona kodowa 20127. Dostępne również za pośrednictwem ASCII właściwości .
UTF7Encoding koduje znaki Unicode przy użyciu kodowania UTF-7. To kodowanie obsługuje wszystkie wartości znaków Unicode. Strona kodowa 65000. Dostępne również za pośrednictwem UTF7 właściwości .
UTF8Encoding koduje znaki Unicode przy użyciu kodowania UTF-8. To kodowanie obsługuje wszystkie wartości znaków Unicode. Strona kodowa 65001. Dostępne również za pośrednictwem UTF8 właściwości .
UnicodeEncoding koduje znaki Unicode przy użyciu kodowania UTF-16. Obsługiwane są zarówno małe zamówienia bajtów endian, jak i big endian. Dostępne również za pośrednictwem Unicode właściwości i BigEndianUnicode właściwości.
UTF32Encoding koduje znaki Unicode przy użyciu kodowania UTF-32. Obsługiwane są zarówno małe endian (strona kodowa 12000) i big endian (strona kodowa 12001). Dostępne również za pośrednictwem UTF32 właściwości .
Klasa jest przeznaczona Encoding przede wszystkim do konwersji między różnymi kodowaniami i Unicode. Często jedna z pochodnych klas Unicode jest właściwym wyborem dla aplikacji.
GetEncoding Użyj metody , aby uzyskać inne kodowanie, i wywołaj GetEncodings metodę , aby uzyskać listę wszystkich kodowań.
Lista kodowań
W poniższej tabeli wymieniono kodowanie obsługiwane przez platformę .NET. Wyświetla on listę numerów stron kodowych poszczególnych kodowań oraz wartości właściwości i EncodingInfo.DisplayName kodowaniaEncodingInfo.Name. Znacznik wyboru w kolumnie obsługa platformy .NET Framework, obsługa platformy .NET Core lub .NET 5 i nowszej wersji wskazuje, że strona kodowa jest natywnie obsługiwana przez tę implementację platformy .NET, niezależnie od platformy bazowej. W przypadku programu .NET Framework dostępność innych kodowań wymienionych w tabeli zależy od systemu operacyjnego. W przypadku platform .NET Core i .NET 5 i nowszych wersji inne kodowania są dostępne przy użyciu System.Text.CodePagesEncodingProvider klasy lub przez wyprowadzanie z System.Text.EncodingProvider klasy.
Uwaga
Strony kodowe, których EncodingInfo.Name właściwość odpowiada standardowi międzynarodowemu, nie muszą być w pełni zgodne z tym standardem.
Strona kodowa | Imię i nazwisko/nazwa | Display name | Obsługa programu .NET Framework | Obsługa platformy .NET Core | Obsługa platformy .NET 5 lub nowszej |
---|---|---|---|---|---|
37 | IBM037 | IBM EBCDIC (USA-Kanada) | |||
437 | IBM437 | Stany Zjednoczone OEM | |||
500 | IBM500 | IBM EBCDIC (międzynarodowy) | |||
708 | ASMO-708 | Arabski (ASMO 708) | |||
720 | DOS-720 | Arabski (DOS) | |||
737 | ibm737 | Grecki (DOS) | |||
775 | ibm775 | Bałtycki (DOS) | |||
850 | ibm850 | Europa Zachodnia (DOS) | |||
852 | ibm852 | Europa Środkowa (DOS) | |||
855 | IBM855 | Cyrylica OEM | |||
857 | ibm857 | Turecki (DOS) | |||
858 | IBM00858 | Wielojęzyczny język łaciński I OEM | |||
860 | IBM860 | Portugalski (DOS) | |||
861 | ibm861 | Islandzka (DOS) | |||
862 | DOS-862 | Hebrajski (DOS) | |||
863 | IBM863 | Francuski Kanadyjczyk (DOS) | |||
864 | IBM864 | Arabski (864) | |||
865 | IBM865 | Nordycka (DOS) | |||
866 | cp866 | Cyrylica (DOS) | |||
869 | ibm869 | Grecki, nowoczesny (DOS) | |||
870 | IBM870 | IBM EBCDIC (wielojęzyczny łaciński-2) | |||
874 | windows-874 | Tajski (Windows) | |||
875 | cp875 | IBM EBCDIC (grecki nowoczesny) | |||
932 | shift_jis | Japoński (Shift-JIS) | |||
936 | gb2312 | Chiński uproszczony (GB2312) | ✓ | ||
949 | ks_c_5601-1987 | Koreański | |||
950 | big5 | Chiński tradycyjny (Big5) | |||
1026 | IBM1026 | IBM EBCDIC (turecki łaciński-5) | |||
1047 | IBM01047 | IBM Latin-1 | |||
1140 | IBM01140 | IBM EBCDIC (USA-Kanada-Euro) | |||
1141 | IBM01141 | IBM EBCDIC (Niemcy-Euro) | |||
1142 | IBM01142 | IBM EBCDIC (Dania-Norwegia-Euro) | |||
1143 | IBM01143 | IBM EBCDIC (Finlandia-Szwecja-Euro) | |||
1144 | IBM01144 | IBM EBCDIC (Włochy-Euro) | |||
1145 | IBM01145 | IBM EBCDIC (Hiszpania-Euro) | |||
1146 | IBM01146 | IBM EBCDIC (Wielka Brytania-Euro) | |||
1147 | IBM01147 | IBM EBCDIC (Francja-Euro) | |||
1148 | IBM01148 | IBM EBCDIC (Euro międzynarodowe) | |||
1149 | IBM01149 | IBM EBCDIC (Islandic-Euro) | |||
1200 | utf-16 | Unicode | ✓ | ✓ | ✓ |
1201 | unicodeFFFE | Unicode (Big endian) | ✓ | ✓ | ✓ |
1250 | windows-1250 | Europa Środkowa (Windows) | |||
1251 | windows-1251 | Cyrylica (Windows) | |||
1252 | Windows-1252 | Europa Zachodnia (Windows) | ✓ | ||
1253 | windows-1253 | Grecki (Windows) | |||
1254 | windows-1254 | Turecki (Windows) | |||
1255 | windows-1255 | Hebrajski (Windows) | |||
1256 | windows-1256 | Arabski (Windows) | |||
1257 | windows-1257 | Bałtycki (Windows) | |||
1258 | windows-1258 | Wietnamski (Windows) | |||
1361 | Johab | Koreański (Johab) | |||
10 000 | Macintosh | Europa Zachodnia (Mac) | |||
10001 | x-mac-japoński | Japoński (Mac) | |||
10002 | x-mac-chinesetrad | Chiński tradycyjny (Mac) | |||
10003 | x-mac-koreański | Koreański (Mac) | ✓ | ||
10004 | x-mac-arabski | Arabski (Mac) | |||
10005 | x-mac-hebrajski | Hebrajski (Mac) | |||
10006 | x-mac-grecki | Grecki (Mac) | |||
10007 | x-mac-cyrylica | Cyrylica (Mac) | |||
10008 | x-mac-chinesesimp | Chiński uproszczony (Mac) | ✓ | ||
10010 | x-mac-rumuński | Rumuński (Mac) | |||
10017 | x-mac-ukraiński | Ukraiński (Mac) | |||
10021 | x-mac-thai | Tajski (Mac) | |||
10029 | x-mac-ce | Europa Środkowa (Mac) | |||
10079 | x-mac-islandia | Islandia (Mac) | |||
10081 | x-mac-turkish | Turecki (Mac) | |||
10082 | x-mac-chorwacki | Chorwacki (Mac) | |||
12000 | utf-32 | Unicode (UTF-32) | ✓ | ✓ | ✓ |
12001 | utf-32BE | Unicode (UTF-32 Big endian) | ✓ | ✓ | ✓ |
20000 | x-Chinese-CNS | Chiński tradycyjny (CNS) | |||
20001 | x-cp20001 | TCA Tajwan | |||
20002 | x-Chinese-Eten | Chiński tradycyjny (Eten) | |||
20003 | x-cp20003 | IBM5550 Tajwanie | |||
20004 | x-cp20004 | TeleText Tajwan | |||
20005 | x-cp20005 | Wang Tajwan | |||
20105 | x-IA5 | Europa Zachodnia (IA5) | |||
20106 | x-IA5-German | Niemiecki (IA5) | |||
20107 | x-IA5-Szwedzki | Szwedzki (IA5) | |||
20108 | x-IA5-Norweski | Norweski (IA5) | |||
20127 | us-ascii | US-ASCII | ✓ | ✓ | ✓ |
20261 | x-cp20261 | T.61 | |||
20269 | x-cp20269 | ISO-6937 | |||
20273 | IBM273 | IBM EBCDIC (Niemcy) | |||
20277 | IBM277 | IBM EBCDIC (Dania-Norwegia) | |||
20278 | IBM278 | IBM EBCDIC (Finlandia-Szwecja) | |||
20280 | IBM280 | IBM EBCDIC (Włochy) | |||
20284 | IBM284 | IBM EBCDIC (Hiszpania) | |||
20285 | IBM285 | IBM EBCDIC (Wielka Brytania) | |||
20290 | IBM290 | IBM EBCDIC (japoński katakana) | |||
20297 | IBM297 | IBM EBCDIC (Francja) | |||
20420 | IBM420 | IBM EBCDIC (arabski) | |||
20423 | IBM423 | IBM EBCDIC (grecki) | |||
20424 | IBM424 | IBM EBCDIC (hebrajski) | |||
20833 | x-EBCDIC-KoreanExtended | IBM EBCDIC (koreański rozszerzony) | |||
20838 | IBM-Thai | IBM EBCDIC (tajski) | |||
20866 | koi8-r | Cyrylica (KOI8-R) | |||
20871 | IBM871 | IBM EBCDIC (Islandia) | |||
20880 | IBM880 | IBM EBCDIC (cyrylica rosyjska) | |||
20905 | IBM905 | IBM EBCDIC (turecki) | |||
20924 | IBM00924 | IBM Latin-1 | |||
20932 | EUC-JP | Japoński (JIS 0208-1990 i 0212-1990) | |||
20936 | x-cp20936 | Chiński uproszczony (GB2312-80) | ✓ | ||
20949 | x-cp20949 | Koreański Wansung | ✓ | ||
21025 | cp1025 | IBM EBCDIC (cyrylica serbski-bułgarski) | |||
21866 | koi8-u | Cyrylica (KOI8-U) | |||
28591 | iso-8859-1 | Europa Zachodnia (ISO) | ✓ | ✓ | ✓ |
28592 | iso-8859-2 | Europa Środkowa (ISO) | |||
28593 | iso-8859-3 | Łaciński 3 (ISO) | |||
28594 | iso-8859-4 | Bałtycki (ISO) | |||
28595 | iso-8859-5 | Cyrylica (ISO) | |||
28596 | iso-8859-6 | Arabski (ISO) | |||
28597 | iso-8859-7 | Grecki (ISO) | |||
28598 | iso-8859-8 | Hebrajski (ISO-Visual) | ✓ | ||
28599 | iso-8859-9 | Turecki (ISO) | |||
28603 | iso-8859-13 | Estoński (ISO) | |||
28605 | iso-8859-15 | Łaciński 9 (ISO) | |||
29001 | x-Europa | Europa | |||
38598 | iso-8859-8-i | Hebrajski (ISO-Logical) | ✓ | ||
50220 | iso-2022-jp | Japoński (JIS) | ✓ | ||
50221 | csISO2022JP | Japoński (JIS-Allow 1 bajt Kana) | ✓ | ||
50222 | iso-2022-jp | Japoński (JIS-Allow 1 bajt Kana — SO/SI) | ✓ | ||
50225 | iso-2022-kr | Koreański (ISO) | ✓ | ||
50227 | x-cp50227 | Chiński uproszczony (ISO-2022) | ✓ | ||
51932 | euc-jp | Japoński (EUC) | ✓ | ||
51936 | EUC-CN | Chiński uproszczony (EUC) | ✓ | ||
51949 | euc-kr | Koreański (EUC) | ✓ | ||
52936 | Hz-gb-2312 | Chiński uproszczony (HZ) | ✓ | ||
54936 | GB18030 | Chiński uproszczony (GB18030) | ✓ | ||
57002 | x-iscii-de | ISCII Devanagari | ✓ | ||
57003 | x-iscii-be | ISCII Bengali | ✓ | ||
57004 | x-iscii-ta | ISCII Tamil | ✓ | ||
57005 | x-iscii-te | ISCII Telugu | ✓ | ||
57006 | x-iscii-as | ISCII Assamese | ✓ | ||
57007 | x-iscii-or | ISCII Oriya | ✓ | ||
57008 | x-iscii-ka | ISCII Kannada | ✓ | ||
57009 | x-iscii-ma | ISCII Malayalam | ✓ | ||
57010 | x-iscii-gu | ISCII Gujarati | ✓ | ||
57011 | x-iscii-pa | ISCII Punjabi | ✓ | ||
65000 | utf-7 | Unicode (UTF-7) | ✓ | ✓ | |
65001 | utf-8 | Unicode (UTF-8) | ✓ | ✓ | ✓ |
Poniższy przykład wywołuje GetEncoding(Int32) metody i GetEncoding(String) w celu pobrania kodowania strony kodowej greckiej (Windows). Porównuje obiekty zwracane przez wywołania metody, aby pokazać, że są one równe, a następnie mapuje Encoding wyświetla punkt kodu Unicode i odpowiednią wartość strony kodowej dla każdego znaku w alfabetu greckiego.
using System;
using System.Text;
public class Example
{
public static void Main()
{
Encoding enc = Encoding.GetEncoding(1253);
Encoding altEnc = Encoding.GetEncoding("windows-1253");
Console.WriteLine("{0} = Code Page {1}: {2}", enc.EncodingName,
altEnc.CodePage, enc.Equals(altEnc));
string greekAlphabet = "Α α Β β Γ γ Δ δ Ε ε Ζ ζ Η η " +
"Θ θ Ι ι Κ κ Λ λ Μ μ Ν ν Ξ ξ " +
"Ο ο Π π Ρ ρ Σ σ ς Τ τ Υ υ " +
"Φ φ Χ χ Ψ ψ Ω ω";
Console.OutputEncoding = Encoding.UTF8;
byte[] bytes = enc.GetBytes(greekAlphabet);
Console.WriteLine("{0,-12} {1,20} {2,20:X2}", "Character",
"Unicode Code Point", "Code Page 1253");
for (int ctr = 0; ctr < bytes.Length; ctr++) {
if (greekAlphabet[ctr].Equals(' '))
continue;
Console.WriteLine("{0,-12} {1,20} {2,20:X2}", greekAlphabet[ctr],
GetCodePoint(greekAlphabet[ctr]), bytes[ctr]);
}
}
private static string GetCodePoint(char ch)
{
string retVal = "u+";
byte[] bytes = Encoding.Unicode.GetBytes(ch.ToString());
for (int ctr = bytes.Length - 1; ctr >= 0; ctr--)
retVal += bytes[ctr].ToString("X2");
return retVal;
}
}
// The example displays the following output:
// Character Unicode Code Point Code Page 1253
// Α u+0391 C1
// α u+03B1 E1
// Β u+0392 C2
// β u+03B2 E2
// Γ u+0393 C3
// γ u+03B3 E3
// Δ u+0394 C4
// δ u+03B4 E4
// Ε u+0395 C5
// ε u+03B5 E5
// Ζ u+0396 C6
// ζ u+03B6 E6
// Η u+0397 C7
// η u+03B7 E7
// Θ u+0398 C8
// θ u+03B8 E8
// Ι u+0399 C9
// ι u+03B9 E9
// Κ u+039A CA
// κ u+03BA EA
// Λ u+039B CB
// λ u+03BB EB
// Μ u+039C CC
// μ u+03BC EC
// Ν u+039D CD
// ν u+03BD ED
// Ξ u+039E CE
// ξ u+03BE EE
// Ο u+039F CF
// ο u+03BF EF
// Π u+03A0 D0
// π u+03C0 F0
// Ρ u+03A1 D1
// ρ u+03C1 F1
// Σ u+03A3 D3
// σ u+03C3 F3
// ς u+03C2 F2
// Τ u+03A4 D4
// τ u+03C4 F4
// Υ u+03A5 D5
// υ u+03C5 F5
// Φ u+03A6 D6
// φ u+03C6 F6
// Χ u+03A7 D7
// χ u+03C7 F7
// Ψ u+03A8 D8
// ψ u+03C8 F8
// Ω u+03A9 D9
// ω u+03C9 F9
Imports System.Text
Module Example
Public Sub Main()
Dim enc As Encoding = Encoding.GetEncoding(1253)
Dim altEnc As Encoding = Encoding.GetEncoding("windows-1253")
Console.WriteLine("{0} = Code Page {1}: {2}", enc.EncodingName,
altEnc.CodePage, enc.Equals(altEnc))
Dim greekAlphabet As String = "Α α Β β Γ γ Δ δ Ε ε Ζ ζ Η η " +
"Θ θ Ι ι Κ κ Λ λ Μ μ Ν ν Ξ ξ " +
"Ο ο Π π Ρ ρ Σ σ ς Τ τ Υ υ " +
"Φ φ Χ χ Ψ ψ Ω ω"
Console.OutputEncoding = Encoding.UTF8
Dim bytes() As Byte = enc.GetBytes(greekAlphabet)
Console.WriteLine("{0,-12} {1,20} {2,20:X2}", "Character",
"Unicode Code Point", "Code Page 1253")
For ctr As Integer = 0 To bytes.Length - 1
If greekAlphabet(ctr).Equals(" "c) Then Continue For
Console.WriteLine("{0,-12} {1,20} {2,20:X2}", greekAlphabet(ctr),
GetCodePoint(greekAlphabet(ctr)), bytes(ctr))
Next
End Sub
Private Function GetCodePoint(ch As String) As String
Dim retVal As String = "u+"
Dim bytes() As Byte = Encoding.Unicode.GetBytes(ch)
For ctr As Integer = bytes.Length - 1 To 0 Step -1
retVal += bytes(ctr).ToString("X2")
Next
Return retVal
End Function
End Module
' The example displays the following output:
' Character Unicode Code Point Code Page 1253
' Α u+0391 C1
' α u+03B1 E1
' Β u+0392 C2
' β u+03B2 E2
' Γ u+0393 C3
' γ u+03B3 E3
' Δ u+0394 C4
' δ u+03B4 E4
' Ε u+0395 C5
' ε u+03B5 E5
' Ζ u+0396 C6
' ζ u+03B6 E6
' Η u+0397 C7
' η u+03B7 E7
' Θ u+0398 C8
' θ u+03B8 E8
' Ι u+0399 C9
' ι u+03B9 E9
' Κ u+039A CA
' κ u+03BA EA
' Λ u+039B CB
' λ u+03BB EB
' Μ u+039C CC
' μ u+03BC EC
' Ν u+039D CD
' ν u+03BD ED
' Ξ u+039E CE
' ξ u+03BE EE
' Ο u+039F CF
' ο u+03BF EF
' Π u+03A0 D0
' π u+03C0 F0
' Ρ u+03A1 D1
' ρ u+03C1 F1
' Σ u+03A3 D3
' σ u+03C3 F3
' ς u+03C2 F2
' Τ u+03A4 D4
' τ u+03C4 F4
' Υ u+03A5 D5
' υ u+03C5 F5
' Φ u+03A6 D6
' φ u+03C6 F6
' Χ u+03A7 D7
' χ u+03C7 F7
' Ψ u+03A8 D8
' ψ u+03C8 F8
' Ω u+03A9 D9
' ω u+03C9 F9
Jeśli dane do przekonwertowania są dostępne tylko w blokach sekwencyjnych (takich jak dane odczytane ze strumienia) lub jeśli ilość danych jest tak duża, że należy ją podzielić na mniejsze bloki, należy użyć Decoder metody lub Encoder dostarczonej przez GetDecoder metodę lub GetEncoder metodę, odpowiednio, klasy pochodnej.
Kodery UTF-16 i UTF-32 mogą używać kolejności bajtów big endian (po pierwsze najważniejsze bajty) lub małej kolejności bajtów endian (najmniej znaczący bajt pierwszy). Na przykład wielka litera A (U+0041) jest serializowana w następujący sposób (w szesnastkowym):
- UTF-16 big endian byte order: 00 41
- UTF-16 mała kolejność bajtów endian: 41 00
- UTF-32 big endian byte order: 00 00 00 41
- UTF-32 mała kolejność bajtów endian: 41 00 00 00
Ogólnie bardziej wydajne jest przechowywanie znaków Unicode przy użyciu natywnej kolejności bajtów. Na przykład lepiej użyć małej kolejności bajtów endian na małych platformach endian, takich jak komputery Intel.
Metoda GetPreamble pobiera tablicę bajtów, która zawiera znak kolejności bajtów (BOM). Jeśli ta tablica bajtów jest poprzedzona zakodowanym strumieniem, pomaga dekoderowi zidentyfikować używany format kodowania.
Aby uzyskać więcej informacji na temat kolejności bajtów i znacznika kolejności bajtów, zobacz Standard Unicode na stronie głównej Unicode.
Należy pamiętać, że klasy kodowania zezwalają na błędy:
- Dyskretna zmiana na znak "?".
- Użyj znaku "najlepsze dopasowanie".
- Przejdź do zachowania specyficznego EncoderFallback dla aplikacji, używając klas i DecoderFallback z znakiem zastępczym U+FFFD Unicode.
Należy zgłosić wyjątek dotyczący dowolnego błędu strumienia danych. Aplikacja używa flagi "throwonerror", jeśli ma zastosowanie lub używa EncoderExceptionFallback klas i DecoderExceptionFallback . Najlepsze dopasowanie rezerwowe jest często nie zalecane, ponieważ może to spowodować utratę lub zamieszanie danych i jest wolniejsze niż proste zamiany znaków. W przypadku kodowań ANSI najlepszym rozwiązaniem jest zachowanie domyślne.