System.Text.Encoding classe
Este artigo fornece observações complementares à documentação de referência para essa API.
A classe Encoding representa uma codificação de caracteres.
A codificação é o processo de transformar um conjunto de caracteres Unicode em uma sequência de bytes. Por outro lado, a decodificação é o processo de transformar uma sequência de bytes codificados em um conjunto de caracteres Unicode. Para obter informações sobre os formatos de transformação Unicode (UTFs) e outras codificações suportadas pelo Encoding, consulte Codificação de caracteres no .NET.
Encoding destina-se a operar em caracteres Unicode em vez de dados binários arbitrários, como matrizes de bytes. Se você deve codificar dados binários arbitrários em texto, você deve usar um protocolo como uuencode, que é implementado por métodos como Convert.ToBase64CharArray.
O .NET fornece as seguintes implementações da Encoding classe para oferecer suporte a codificações Unicode atuais e outras codificações:
ASCIIEncoding codifica caracteres Unicode como caracteres ASCII únicos de 7 bits. Essa codificação só oferece suporte a valores de caracteres entre U+0000 e U+007F. Página de código 20127. Também disponível através da ASCII propriedade.
UTF7Encoding codifica caracteres Unicode usando a codificação UTF-7. Essa codificação oferece suporte a todos os valores de caracteres Unicode. Página de código 65000. Também disponível através da UTF7 propriedade.
UTF8Encoding codifica caracteres Unicode usando a codificação UTF-8. Essa codificação oferece suporte a todos os valores de caracteres Unicode. Página de código 65001. Também disponível através da UTF8 propriedade.
UnicodeEncoding codifica caracteres Unicode usando a codificação UTF-16. As ordens de bytes little endian e big endian são suportadas. Também disponível através da propriedade e da UnicodeBigEndianUnicode propriedade.
UTF32Encoding codifica caracteres Unicode usando a codificação UTF-32. As ordens de bytes little endian (página de código 12000) e big endian (página de código 12001) são suportadas. Também disponível através da UTF32 propriedade.
A Encoding classe destina-se principalmente a converter entre codificações diferentes e Unicode. Muitas vezes, uma das classes Unicode derivadas é a escolha correta para seu aplicativo.
Use o método para obter outras codificações e chame o GetEncodingGetEncodings método para obter uma lista de todas as codificações.
Lista de codificações
A tabela a seguir lista as codificações suportadas pelo .NET. Ele lista o número da página de código de cada codificação e os valores da codificação EncodingInfo.Name e EncodingInfo.DisplayName propriedades. Uma marca de seleção na coluna de suporte do .NET Framework, suporte do .NET Core ou suporte do .NET 5 e posterior indica que a página de código é suportada nativamente por essa implementação do .NET, independentemente da plataforma subjacente. Para o .NET Framework, a disponibilidade de outras codificações listadas na tabela depende do sistema operacional. Para .NET Core e .NET 5 e versões posteriores, outras codificações estão disponíveis usando a System.Text.CodePagesEncodingProvider classe ou derivando da System.Text.EncodingProvider classe.
Observação
As páginas de código cuja EncodingInfo.Name propriedade corresponde a uma norma internacional não estão necessariamente em conformidade total com essa norma.
| Página de código | Nome | Nome de exibição | Suporte ao .NET Framework | Suporte do .NET Core | Suporte ao .NET 5 e posterior |
|---|---|---|---|---|---|
| 37 | IBM037 | IBM EBCDIC (EUA-Canadá) | |||
| 437 | IBM437 | OEM Estados Unidos | |||
| 500 | IBM500 | IBM EBCDIC (Internacional) | |||
| 708 | ASMO-708 | Árabe (ASMO 708) | |||
| 720 | DOS-720 | Árabe (DOS) | |||
| 737 | IBM737 | Grego (DOS) | |||
| 775 | IBM775 | Báltico (DOS) | |||
| 850 | IBM 850 | Europa Ocidental (DOS) | |||
| 852 | IBM852 | Europa Central (DOS) | |||
| 855 | IBM855 | OEM cirílico | |||
| 857 | IBM857 | Turco (DOS) | |||
| 858 | IBM00858 | OEM Latim Multilingue I | |||
| 860 | IBM860 | Português (DOS) | |||
| 861 | IBM861 | Islandês (DOS) | |||
| 862 | DOS-862 | Hebraico (DOS) | |||
| 863 | IBM863 | Francês Canadense (DOS) | |||
| 864 | IBM864 | Árabe (864) | |||
| 865 | IBM865 | Nórdico (DOS) | |||
| 866 | cp866 | Cirílico (DOS) | |||
| 869 | IBM869 | Grego, Moderno (DOS) | |||
| 870 | IBM870 | IBM EBCDIC (Latim Multilingue-2) | |||
| 874 | janelas-874 | Tailandês (Windows) | |||
| 875 | CP875 | IBM EBCDIC (Grego Moderno) | |||
| 932 | shift_jis | Japonês (Shift-JIS) | |||
| 936 | gb2312 | Chinês simplificado (GB2312) | ✓ | ||
| 949 | ks_c_5601-1987 | Coreano | |||
| 950 | big5 | Chinês Tradicional (Big5) | |||
| 1026 | IBM1026 | IBM EBCDIC (Latim turco-5) | |||
| 1047 | IBM01047 | IBM Latin-1 | |||
| 1140 | IBM01140 | IBM EBCDIC (EUA-Canadá-Euro) | |||
| 1141 | IBM01141 | IBM EBCDIC (Alemanha-Euro) | |||
| 1142 | IBM01142 | IBM EBCDIC (Dinamarca-Noruega-Euro) | |||
| 1143 | IBM01143 | IBM EBCDIC (Finlândia-Suécia-Euro) | |||
| 1144 | IBM01144 | IBM EBCDIC (Itália-Euro) | |||
| 1145 | IBM01145 | IBM EBCDIC (Espanha-Euro) | |||
| 1146 | IBM01146 | IBM EBCDIC (UK-Euro) | |||
| 1147 | IBM01147 | IBM EBCDIC (França-Euro) | |||
| 1148 | IBM01148 | IBM EBCDIC (Internacional-Euro) | |||
| 1149 | IBM01149 | IBM EBCDIC (islandês-euro) | |||
| 1200 | UTF-16 | Unicode | ✓ | ✓ | ✓ |
| 1201 | unicodeFFFE | Unicode (Big endian) | ✓ | ✓ | ✓ |
| 1250 | janelas-1250 | Europa Central (Windows) | |||
| 1251 | janelas-1251 | Cirílico (Windows) | |||
| 1252 | Windows-1252 | Oeste da Europa (Windows) | ✓ | ||
| 1253 | janelas-1253 | Grego (Windows) | |||
| 1254 | janelas-1254 | Turco (Windows) | |||
| 1255 | janelas-1255 | Hebraico (Windows) | |||
| 1256 | janelas-1256 | Árabe (Windows) | |||
| 1257 | janelas-1257 | Báltico (Windows) | |||
| 1258 | janelas-1258 | Vietnamita (Windows) | |||
| 1361 | Joabe | Coreano (Johab) | |||
| 10000 | Macintosh | Europa Ocidental (Mac) | |||
| 10001 | x-mac-japonês | Japonês (Mac) | |||
| 10002 | X-Mac-Chinesetrad | Chinês Tradicional (Mac) | |||
| 10003 | x-mac-coreano | Coreano (Mac) | ✓ | ||
| 10004 | x-mac-árabe | Árabe (Mac) | |||
| 10005 | x-mac-hebraico | Hebraico (Mac) | |||
| 10006 | x-mac-grego | Grego (Mac) | |||
| 10007 | x-mac-cirílico | Cirílico (Mac) | |||
| 10008 | x-mac-chinesesimp | Chinês simplificado (Mac) | ✓ | ||
| 10010 | x-mac-romeno | Romeno (Mac) | |||
| 10017 | x-mac-ucraniano | Ucraniano (Mac) | |||
| 10021 | X-Mac-Tailandês | Tailandês (Mac) | |||
| 10029 | X-Mac-CE | Europa Central (Mac) | |||
| 10079 | X-Mac-Islandês | Islandês (Mac) | |||
| 10081 | x-mac-turco | Turco (Mac) | |||
| 10082 | x-mac-croata | Croata (Mac) | |||
| 12000 | UTF-32 | Unicode (UTF-32) | ✓ | ✓ | ✓ |
| 12001 | utf-32BE | Unicode (UTF-32 Big endian) | ✓ | ✓ | ✓ |
| 20000 | x-Chinês-CNS | Chinês Tradicional (CNS) | |||
| 20001 | x-cp20001 | TCA Taiwan | |||
| 20002 | x-Chinês-Eten | Chinês Tradicional (Eten) | |||
| 20003 | x-cp20003 | IBM5550 Taiwan | |||
| 20004 | x-cp20004 | TeleText Taiwan | |||
| 20005 | x-cp20005 | Wang Taiwan | |||
| 20105 | x-IA5 | Europa Ocidental (IA5) | |||
| 20106 | x-IA5-Alemão | Alemão (IA5) | |||
| 20107 | x-IA5-Sueco | Sueco (IA5) | |||
| 20108 | x-IA5-Norueguês | Norueguês (IA5) | |||
| 20127 | EUA-ASCII | EUA-ASCII | ✓ | ✓ | ✓ |
| 20261 | x-cp20261 | T.61 | |||
| 20269 | x-cp20269 | ISO-6937 | |||
| 20273 | IBM273 | IBM EBCDIC (Alemanha) | |||
| 20277 | IBM277 | IBM EBCDIC (Dinamarca-Noruega) | |||
| 20278 | IBM278 | IBM EBCDIC (Finlândia-Suécia) | |||
| 20280 | IBM280 | IBM EBCDIC (Itália) | |||
| 20284 | IBM284 | IBM EBCDIC (Espanha) | |||
| 20285 | IBM285 | IBM EBCDIC (REINO UNIDO) | |||
| 20290 | IBM290 | IBM EBCDIC (katakana japonês) | |||
| 20297 | IBM297 | IBM EBCDIC (França) | |||
| 20420 | IBM420 | IBM EBCDIC (árabe) | |||
| 20423 | IBM423 | IBM EBCDIC (grego) | |||
| 20424 | IBM424 | IBM EBCDIC (hebraico) | |||
| 20833 | x-EBCDIC-KoreanExtended | IBM EBCDIC (Coreano Estendido) | |||
| 20838 | IBM-Tailandês | IBM EBCDIC (Tailandês) | |||
| 20866 | Koi8-R | Cirílico (KOI8-R) | |||
| 20871 | IBM871 | IBM EBCDIC (islandês) | |||
| 20880 | IBM880 | IBM EBCDIC (russo cirílico) | |||
| 20905 | IBM905 | IBM EBCDIC (turco) | |||
| 20924 | IBM00924 | IBM Latin-1 | |||
| 20932 | EUC-JP | Japonês (JIS 0208-1990 e 0212-1990) | |||
| 20936 | x-cp20936 | Chinês simplificado (GB2312-80) | ✓ | ||
| 20949 | x-cp20949 | Wansung coreano | ✓ | ||
| 21025 | CP1025 | IBM EBCDIC (cirílico sérvio-búlgaro) | |||
| 21866 | koi8-u | Cirílico (KOI8-U) | |||
| 28591 | ISO-8859-1 | Europa Ocidental (ISO) | ✓ | ✓ | ✓ |
| 28592 | ISO-8859-2 | Europa Central (ISO) | |||
| 28593 | ISO-8859-3 | Latim 3 (ISO) | |||
| 28594 | ISO-8859-4 | Báltico (ISO) | |||
| 28595 | ISO-8859-5 | Cirílico (ISO) | |||
| 28596 | ISO-8859-6 | Árabe (ISO) | |||
| 28597 | ISO-8859-7 | Grego (ISO) | |||
| 28598 | ISO-8859-8 | Hebraico (ISO-Visual) | ✓ | ||
| 28599 | ISO-8859-9 | Turco (ISO) | |||
| 28603 | ISO-8859-13 | Estónio (ISO) | |||
| 28605 | ISO-8859-15 | Latim 9 (ISO) | |||
| 29001 | x-Europa | Europa | |||
| 38598 | ISO-8859-8-I | Hebraico (ISO-Lógico) | ✓ | ||
| 50220 | ISO-2022-JP | Japonês (JIS) | ✓ | ||
| 50221 | csISO2022JP | Japonês (JIS-Allow 1 byte Kana) | ✓ | ||
| 50222 | ISO-2022-JP | Japonês (JIS-Allow 1 byte Kana - SO/SI) | ✓ | ||
| 50225 | ISO-2022-KR | Coreano (ISO) | ✓ | ||
| 50227 | x-cp50227 | Chinês simplificado (ISO-2022) | ✓ | ||
| 51932 | EUC-JP | Japonês (EUC) | ✓ | ||
| 51936 | EUC-CN | Chinês simplificado (EUC) | ✓ | ||
| 51949 | EUC-KR | Coreano (EUC) | ✓ | ||
| 52936 | HZ-GB-2312 | Chinês simplificado (HZ) | ✓ | ||
| 54936 | GB18030 | Chinês simplificado (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-ou | ISCII Oriya | ✓ | ||
| 57008 | x-iscii-ka | ISCII Kannada | ✓ | ||
| 57009 | x-iscii-ma | ISCII Malaiala | ✓ | ||
| 57010 | x-iscii-gu | ISCII Gujarati | ✓ | ||
| 57011 | x-iscii-pa | ISCII Punjabi | ✓ | ||
| 65000 | UTF-7 | Unicode (UTF-7) | ✓ | ✓ | |
| 65001 | utf-8 | Unicode (UTF-8) | ✓ | ✓ | ✓ |
O exemplo a seguir chama os métodos e GetEncoding(String) para obter a GetEncoding(Int32) codificação de página de código grego (Windows). Ele compara os Encoding objetos retornados pelas chamadas de método para mostrar que eles são iguais e, em seguida, mapeia exibe o ponto de código Unicode e o valor de página de código correspondente para cada caractere no alfabeto grego.
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
Se os dados a serem convertidos estiverem disponíveis apenas em blocos sequenciais (como dados lidos de um fluxo) ou se a quantidade de dados for tão grande que precise ser dividida em blocos menores, você deverá usar o ou o fornecido pelo GetDecoder método ou o GetEncoderDecoderEncoder método, respectivamente, de uma classe derivada.
Os codificadores UTF-16 e UTF-32 podem usar a ordem de bytes big endian (byte mais significativo primeiro) ou a ordem de bytes little endian (byte menos significativo primeiro). Por exemplo, a letra maiúscula latina A (U+0041) é serializada da seguinte forma (em hexadecimal):
- UTF-16 big endian byte ordem: 00 41
- UTF-16 pequena ordem de bytes endian: 41 00
- UTF-32 big endian byte ordem: 00 00 00 41
- UTF-32 pequena ordem de bytes endian: 41 00 00 00
Geralmente, é mais eficiente armazenar caracteres Unicode usando a ordem de bytes nativa. Por exemplo, é melhor usar a pequena ordem de bytes endian em plataformas little endian, como computadores Intel.
O GetPreamble método recupera uma matriz de bytes que inclui a marca de ordem de bytes (BOM). Se essa matriz de bytes for prefixada a um fluxo codificado, ela ajudará o decodificador a identificar o formato de codificação usado.
Para obter mais informações sobre a ordem de bytes e a marca de ordem de bytes, consulte O padrão Unicode na home page do Unicode.
Observe que as classes de codificação permitem erros:
- Mude silenciosamente para um personagem "?"
- Use um caractere "mais adequado".
- Mude para um comportamento específico do aplicativo por meio do uso das EncoderFallback classes e com o caractere DecoderFallback de substituição Unicode U+FFFD.
Você deve lançar uma exceção em qualquer erro de fluxo de dados. Um aplicativo usa um sinalizador "throwonerror" quando aplicável ou usa as EncoderExceptionFallback classes e DecoderExceptionFallback . O fallback de melhor ajuste geralmente não é recomendado porque pode causar perda de dados ou confusão e é mais lento do que simples substituições de caracteres. Para codificações ANSI, o melhor comportamento de ajuste é o padrão.
