System.Text.Encoding-klass
Den här artikeln innehåller ytterligare kommentarer till referensdokumentationen för det här API:et.
Klassen Encoding representerar en teckenkodning.
Kodning är processen att omvandla en uppsättning Unicode-tecken till en sekvens med byte. Avkodning är däremot processen att omvandla en sekvens med kodade byte till en uppsättning Unicode-tecken. Information om Unicode Transformation Format (UTFs) och andra kodningar som stöds av Encodingfinns i Teckenkodning i .NET.
Encoding är avsedd att användas på Unicode-tecken i stället för godtyckliga binära data, till exempel bytematriser. Om du måste koda godtyckliga binära data i text bör du använda ett protokoll, till exempel uuencode, som implementeras med metoder som Convert.ToBase64CharArray.
.NET tillhandahåller följande implementeringar av Encoding klassen för att stödja aktuella Unicode-kodningar och andra kodningar:
ASCIIEncoding kodar Unicode-tecken som enkla 7-bitars ASCII-tecken. Den här kodningen stöder endast teckenvärden mellan U+0000 och U+007F. Kodsida 20127. Finns även via egenskapen ASCII .
UTF7Encoding kodar Unicode-tecken med UTF-7-kodningen. Den här kodningen stöder alla Unicode-teckenvärden. Kodsida 65000. Finns även via egenskapen UTF7 .
UTF8Encoding kodar Unicode-tecken med UTF-8-kodningen. Den här kodningen stöder alla Unicode-teckenvärden. Kodsida 65001. Finns även via egenskapen UTF8 .
UnicodeEncoding kodar Unicode-tecken med UTF-16-kodningen. Både små endianska och stora endianska bytebeställningar stöds. Finns även via egenskapen Unicode och egenskapen BigEndianUnicode .
UTF32Encoding kodar Unicode-tecken med UTF-32-kodningen. Både liten endian (kodsida 12000) och stora endianska (kodsida 12001) bytebeställningar stöds. Finns även via egenskapen UTF32 .
Klassen Encoding är främst avsedd att konvertera mellan olika kodningar och Unicode. Ofta är en av de härledda Unicode-klasserna rätt val för din app.
GetEncoding Använd metoden för att hämta andra kodningar och anropa GetEncodings metoden för att hämta en lista över alla kodningar.
Lista över kodningar
I följande tabell visas de kodningar som stöds av .NET. Den visar varje kodnings kodnings sidnummer och värdena för kodningens EncodingInfo.Name och EncodingInfo.DisplayName egenskaperna. En bockmarkering i kolumnen .NET Framework-stöd, .NET Core-stöd eller .NET 5 och senare anger att kodsidan stöds internt av .NET-implementeringen, oavsett den underliggande plattformen. För .NET Framework beror tillgängligheten för andra kodningar som anges i tabellen på operativsystemet. För .NET Core- och .NET 5- och senare versioner är andra kodningar tillgängliga med hjälp System.Text.CodePagesEncodingProvider av klassen eller genom att härleda från System.Text.EncodingProvider klassen.
Kommentar
Kodsidor vars EncodingInfo.Name egenskap motsvarar en internationell standard uppfyller inte nödvändigtvis den standarden fullt ut.
| Teckentabellen | Name | Visningsnamn | .NET Framework-stöd | .NET Core-stöd | Stöd för .NET 5 och senare |
|---|---|---|---|---|---|
| 37 | IBM037 | IBM EBCDIC (USA-Kanada) | |||
| 437 | IBM437 | OEM-USA | |||
| 500 | IBM500 | IBM EBCDIC (Internationell) | |||
| 708 | ASMO-708 | Arabiska (ASMO 708) | |||
| 720 | DOS-720 | Arabiska (DOS) | |||
| 737 | ibm737 | Grekiska (DOS) | |||
| 775 | ibm775 | Baltic (DOS) | |||
| 850 | ibm850 | Västeuropeiska (DOS) | |||
| 852 | ibm852 | Centraleuropeiska (DOS) | |||
| 855 | IBM855 | OEM Cyrillic | |||
| 857 | ibm857 | Turkiska (DOS) | |||
| 858 | IBM00858 | OEM Multilingual Latin I | |||
| 860 | IBM860 | Portugisiska (DOS) | |||
| 861 | ibm861 | Isländska (DOS) | |||
| 862 | DOS-862 | Hebreiska (DOS) | |||
| 863 | IBM863 | Franska kanadensiska (DOS) | |||
| 864 | IBM864 | Arabiska (864) | |||
| 865 | IBM865 | Nordic (DOS) | |||
| 866 | cp866 | Kyrillisk (DOS) | |||
| 869 | ibm869 | Grekiska, moderna (DOS) | |||
| 870 | IBM870 | IBM EBCDIC (Flerspråkig latinsk-2) | |||
| 874 | windows-874 | Thai (Windows) | |||
| 875 | cp875 | IBM EBCDIC (grekisk modern) | |||
| 932 | shift_jis | Japanska (Skift-JIS) | |||
| 936 | gb2312 | Förenklad kinesiska (GB2312) | ✓ | ||
| 949 | ks_c_5601-1987 | Koreanska | |||
| 950 | big5 | Traditionell kinesiska (Big5) | |||
| 1026 | IBM1026 | IBM EBCDIC (turkisk latin-5) | |||
| 1047 | IBM01047 | IBM Latin-1 | |||
| 1140 | IBM01140 | IBM EBCDIC (USA-Kanada–Euro) | |||
| 1141 | IBM01141 | IBM EBCDIC (Tyskland–Euro) | |||
| 1142 | IBM01142 | IBM EBCDIC (Danmark-Norge-Euro) | |||
| 1143 | IBM01143 | IBM EBCDIC (Finland-Sverige-Euro) | |||
| 1144 | IBM01144 | IBM EBCDIC (Italien–Euro) | |||
| 1145 | IBM01145 | IBM EBCDIC (Spanien–Euro) | |||
| 1146 | IBM01146 | IBM EBCDIC (Uk-Euro) | |||
| 1147 | IBM01147 | IBM EBCDIC (Frankrike-Euro) | |||
| 1148 | IBM01148 | IBM EBCDIC (International-Euro) | |||
| 1149 | IBM01149 | IBM EBCDIC (isländsk euro) | |||
| 1200 | utf-16 | Unicode | ✓ | ✓ | ✓ |
| 1 201 | unicodeFFFE | Unicode (stor endian) | ✓ | ✓ | ✓ |
| 1250 | windows-1250 | Centraleuropeiska (Windows) | |||
| 1251 | windows-1251 | Kyrillisk (Windows) | |||
| 1252 | Windows-1252 | Västeuropeiska (Windows) | ✓ | ||
| 1253 | windows-1253 | Grekiska (Windows) | |||
| 1254 | windows-1254 | Turkiska (Windows) | |||
| 1255 | windows-1255 | Hebreiska (Windows) | |||
| 1256 | windows-1256 | Arabiska (Windows) | |||
| 1257 | windows-1257 | Baltic (Windows) | |||
| 1258 | windows-1258 | Vietnamesiska (Windows) | |||
| 1361 | Johab | Koreanska (Johab) | |||
| 10000 | Macintosh | Västeuropeiska (Mac) | |||
| 10001 | x-mac-japanese | Japanska (Mac) | |||
| 10002 | x-mac-chinesetrad | Traditionell kinesiska (Mac) | |||
| 10003 | x-mac-korean | Koreanska (Mac) | ✓ | ||
| 10004 | x-mac-arabic | Arabiska (Mac) | |||
| 10005 | x-mac-hebrew | Hebreiska (Mac) | |||
| 10006 | x-mac-greek | Grekiska (Mac) | |||
| 10007 | x-mac-cyrillic | Kyrillisk (Mac) | |||
| 10008 | x-mac-chinesesimp | Förenklad kinesiska (Mac) | ✓ | ||
| 10010 | x-mac-rumänska | Rumänska (Mac) | |||
| 10017 | x-mac-ukrainska | Ukrainska (Mac) | |||
| 10021 | x-mac-thai | Thai (Mac) | |||
| 10029 | x-mac-ce | Centraleuropeiska (Mac) | |||
| 10079 | x-mac-icelandic | Isländska (Mac) | |||
| 10081 | x-mac-turkish | Turkiska (Mac) | |||
| 10082 | x-mac-croatian | Kroatiska (Mac) | |||
| 12000 | utf-32 | Unicode (UTF-32) | ✓ | ✓ | ✓ |
| 12001 | utf-32BE | Unicode (UTF-32 Big Endian) | ✓ | ✓ | ✓ |
| 20000 | x-Chinese-CNS | Traditionell kinesiska (CNS) | |||
| 20001 | x-cp20001 | TCA Taiwan | |||
| 20002 | x-Chinese-Eten | Traditionell kinesiska (Eten) | |||
| 20003 | x-cp20003 | IBM5550 Taiwan | |||
| 20004 | x-cp20004 | TeleText Taiwan | |||
| 20005 | x-cp20005 | Wang Taiwan | |||
| 20105 | x-IA5 | Västeuropeiska (IA5) | |||
| 20106 | x-IA5-Tyska | Tyska (IA5) | |||
| 20107 | x-IA5-Swedish | Svenska (IA5) | |||
| 20108 | x-IA5-Norwegian | Norska (IA5) | |||
| 20127 | us-ascii | US-ASCII | ✓ | ✓ | ✓ |
| 20261 | x-cp20261 | T.61 | |||
| 20269 | x-cp20269 | ISO-6937 | |||
| 20273 | IBM273 | IBM EBCDIC (Tyskland) | |||
| 20277 | IBM277 | IBM EBCDIC (Danmark–Norge) | |||
| 20278 | IBM278 | IBM EBCDIC (Finland-Sverige) | |||
| 20280 | IBM280 | IBM EBCDIC (Italien) | |||
| 20284 | IBM284 | IBM EBCDIC (Spanien) | |||
| 20285 | IBM285 | IBM EBCDIC (Storbritannien) | |||
| 20290 | IBM290 | IBM EBCDIC (japansk katakana) | |||
| 20297 | IBM297 | IBM EBCDIC (Frankrike) | |||
| 20420 | IBM420 | IBM EBCDIC (arabiska) | |||
| 20423 | IBM423 | IBM EBCDIC (grekiska) | |||
| 20424 | IBM424 | IBM EBCDIC (hebreiska) | |||
| 20833 | x-EBCDIC-KoreanExtended | IBM EBCDIC (koreansk utökad) | |||
| 20838 | IBM-Thai | IBM EBCDIC (thailändska) | |||
| 20866 | koi8-r | Kyrillisk (KOI8-R) | |||
| 20871 | IBM871 | IBM EBCDIC (isländska) | |||
| 20880 | IBM880 | IBM EBCDIC (kyrillisk ryska) | |||
| 20905 | IBM905 | IBM EBCDIC (turkisk) | |||
| 20924 | IBM00924 | IBM Latin-1 | |||
| 20932 | EUC-JP | Japanska (JIS 0208-1990 och 0212-1990) | |||
| 20936 | x-cp20936 | Förenklad kinesiska (GB2312-80) | ✓ | ||
| 20949 | x-cp20949 | Koreanska Wansung | ✓ | ||
| 21025 | cp1025 | IBM EBCDIC (kyrillisk serbisk-bulgariska) | |||
| 21866 | koi8-u | Kyrillisk (KOI8-U) | |||
| 28591 | iso-8859-1 | Västeuropeiska (ISO) | ✓ | ✓ | ✓ |
| 28592 | iso-8859-2 | Centraleuropeiska (ISO) | |||
| 28593 | iso-8859-3 | Latinsk 3 (ISO) | |||
| 28594 | iso-8859-4 | Baltic (ISO) | |||
| 28595 | iso-8859-5 | Kyrillisk (ISO) | |||
| 28596 | iso-8859-6 | Arabiska (ISO) | |||
| 28597 | iso-8859-7 | Grekiska (ISO) | |||
| 28598 | iso-8859-8 | Hebreiska (ISO-Visual) | ✓ | ||
| 28599 | iso-8859-9 | Turkiska (ISO) | |||
| 28603 | iso-8859-13 | Estniska (ISO) | |||
| 28605 | iso-8859-15 | Latin 9 (ISO) | |||
| 29001 | x-Europa | Europa | |||
| 38598 | iso-8859-8-i | Hebreiska (ISO-Logiska) | ✓ | ||
| 50220 | iso-2022-jp | Japanska (JIS) | ✓ | ||
| 50221 | csISO2022JP | Japanska (JIS-Tillåt 1 byte Kana) | ✓ | ||
| 50222 | iso-2022-jp | Japanska (JIS-Tillåt 1 byte Kana – SO/SI) | ✓ | ||
| 50225 | iso-2022-kr | Koreanska (ISO) | ✓ | ||
| 50227 | x-cp50227 | Förenklad kinesiska (ISO-2022) | ✓ | ||
| 51932 | euc-jp | Japanska (EUC) | ✓ | ||
| 51936 | EUC-CN | Förenklad kinesiska (EUC) | ✓ | ||
| 51949 | euc-kr | Koreanska (EUC) | ✓ | ||
| 52936 | hz-gb-2312 | Förenklad kinesiska (HZ) | ✓ | ||
| 54936 | GB18030 | Förenklad kinesiska (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) | ✓ | ✓ | ✓ |
I följande exempel anropas GetEncoding(Int32) metoderna och GetEncoding(String) för att hämta kodningen för den grekiska kodsidan (Windows). Den jämför de objekt som Encoding returneras av metodanropen för att visa att de är lika och mappar visar sedan Unicode-kodpunkten och motsvarande kodsidasvärde för varje tecken i det grekiska alfabetet.
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
Om data som ska konverteras endast är tillgängliga i sekventiella block (till exempel data som läse från en ström) eller om mängden data är så stor att den måste delas in i mindre block, bör du använda Decoder eller Encoder som tillhandahålls av GetDecoder metoden eller GetEncoder metoden för en härledd klass.
UTF-16- och UTF-32-kodarna kan använda den stora endianska byteordningen (mest betydande byte först) eller den lilla endianska byteordningen (minst betydande byte först). Till exempel serialiseras den latinska versal bokstaven A (U+0041) på följande sätt (i hexadecimal):
- UTF-16 stor endian byte ordning: 00 41
- UTF-16 lite endian byte ordning: 41 00
- UTF-32 stor endian byte ordning: 00 00 00 41
- UTF-32 lite endian byte ordning: 41 00 00 00
Det är vanligtvis mer effektivt att lagra Unicode-tecken med den interna byteordningen. Det är till exempel bättre att använda den lilla endianska byteordningen på små endianska plattformar, till exempel Intel-datorer.
Metoden GetPreamble hämtar en matris med byte som innehåller byteordningsmarkeringen (BOM). Om den här bytematrisen är prefix för en kodad ström hjälper den avkodaren att identifiera det kodningsformat som används.
Mer information om byteordning och byteordningsmarkering finns i Unicode Standard på Unicode-startsidan.
Observera att kodningsklasserna tillåter fel för att:
- Ändra tyst till ett "?"-tecken.
- Använd ett "best fit"-tecken.
- Ändra till ett programspecifikt beteende med hjälp av EncoderFallback klasserna och DecoderFallback med U+FFFD Unicode-ersättningstecknet.
Du bör utlösa ett undantag för dataströmsfel. En app använder antingen en "throwonerror"-flagga när det är tillämpligt eller använder klasserna EncoderExceptionFallback och DecoderExceptionFallback . Bästa möjliga återställning rekommenderas ofta inte eftersom det kan orsaka dataförlust eller förvirring och är långsammare än enkla teckenbyten. För ANSI-kodningar är det bästa anpassningsbeteendet standard.
