Question

我有编码问题。我的MongoDB中有错误编码的文本。我的数据库中文本的源文件以ISO-8859-1编码。现在，在我的数据库中查看它时，一些字符被破坏（变成' '）。

目前，在从db检索文本时，我尝试了以下代码。

var t = Collection.FindOne(Query.EQ("id", "2014121500892"));
string message = t["b203"].AsString;
Console.WriteLine(ChangeEncoding(message));

第一次尝试：

static string ChangeEncoding(string message)
{

    System.Text.Encoding srcEnc = System.Text.Encoding.GetEncoding("ISO-8859-1");
    System.Text.Encoding destEnc = System.Text.Encoding.GetEncoding("UTF-8");
    byte[] bData = srcEnc.GetBytes(message);
    byte[] bResult = System.Text.Encoding.Convert(srcEnc, destEnc, bData);
    return destEnc.GetString(bResult);
}

第二次尝试：

static string ChangeEncoding(string message)
{
    File.WriteAllText("text.txt", message, Encoding.GetEncoding("ISO-8859-1"));
    return File.ReadAllText("text.txt");
}

db中的示例文本：

Box aus Pappef rA8-Lernk rtchen

期望的结果：

我希望能够在控制台中将其打印为：

Box ausPappefürA8-Lernkärtchen

Answer 1

短版

您的数据丢失，并且没有一般解决方法如何恢复原始字符串。

更长的版本

存储数据时应该发生的事情，字符串编码为ISO-8859-1但存储为Unicode UTF8。这是一个例子：

string orig = "Lernkärtchen";
byte[] iso88891Bytes = Encoding.GetEncoding("ISO-8859-1").GetBytes(orig);
// { 76, 101, 114, 110, 107, 228, 114, 116, 99, 104, 101, 110 }
//  'L', 'e', 'r', 'n', 'k', 'ä', 'r', 't', 'c', 'h', 'e', 'n'

当这些数据（以某种方式......）传递给只适用于Unicode字符串的数据库时：

string storedValue = Encoding.UTF8.GetString(iso88891Bytes);
byte[] dbData = Encoding.UTF8.GetBytes(storedValue);
// { 76, 101, 114, 110, 107, 239, 191, 189, 114, 116, 99, 104, 101, 110 }
//  'L', 'e', 'r', 'n', 'k',      '�',     'r', 't', 'c', 'h', 'e', 'n'

问题是字节228（11100100二进制）对于utf8无效，因为对于这样的字节，必须跟随2个其他字节，其具有值＆gt; 127。有关详细信息，请参阅UTF8 on Wikipedia，“说明”一章。

所以会发生的是，以前称为字符'ä'的字节无法解码为有效的unicode字符，并被字节239,191和189替换。这是11101111,10111111和10111101，这导致代码指向值1111111111111101（0xFFFD），这是您在输出中看到的字符' '。

此字符用于此目的。在Wikipedia Unicode special characters page，它说：

U + FFFD 用于替换未知或不可代表字符的替换字符

尝试恢复更改？祝你好运。

Btw，Unicode和UTF-8很棒♥，从不使用其他任何东西<！

使用存储在数据库中的字符串编码问题

第一次尝试：

第二次尝试：

期望的结果：

1 个答案:

短版

更长的版本