Question

我们的部分应用程序解析了RTF文档，我们遇到了一个不能很好地翻译的特殊字符。在Word中查看时，该字符是省略号（...），它在RTF中编码为（'85）。

在我们的vb代码中，我们将十六进制（85）转换为int（133），然后将Chr（133）转换为（...）

这是C＃中的代码 - 问题是这对127以上的值不起作用。有什么想法吗？

致电代码：

// S is Hex number!!!
return Convert.ToChar(HexStringToInt(s)).ToString();

帮助方法：

private static int HexStringToInt(string hexString)
{
    int i;

    try
    {
        i = Int32.Parse(hexString, NumberStyles.HexNumber);
    }
    catch (Exception ex)
    {
        throw new ApplicationException("Error trying to convert hex value: " + hexString, ex);
    }

    return i;
}

Answer 1

这看起来像是一个字符编码问题。 Unicode不包括数字在ASCII-128-255范围内的任何字符，因此尝试转换字符133将失败。

需要使用正确的解码将其首先转换为字符，Convert.toChar似乎使用UTF-16。

有时会有一个手动位操作黑客将字符从上部ASCII转换为适当的unicode字符，但由于省略号不在大多数广泛使用的扩展ASCII代码页中，因此不太可能在这里工作。

您真正想要做的是使用Encoding.GetString(Byte[])方法，并使用正确的编码。将您的值放入一个字节数组，然后使用GetString获取该字符的C＃本机字符串。

您可以在RTF Wikipedia page上了解有关RTF字符编码的更多信息。

仅供参考：水平省略号为character U+2026 (pdf)。

Answer 2

您的原始代码对我来说非常合适。它能够将任何十六进制从00转换为FF到适当的字符。使用vs2008。

Answer 3

private static int HexStringToInt(string hexString)
{
    try
    {
        return Convert.ToChar(hexString);
    }
    catch (FormatException ex)
    {
        throw new ArgumentException("Is not a valid hex character.", "hexString", ex);
    }
    // Convert.ToChar() will throw an ArgumentException also
    // if hexString is bad
}

Answer 4

我的猜测是.NET中的Char实际上是两个字节（16位），因为它们是UTF-16编码的。也许你只是捕获/写入值的第一个字节？

基本上，您是否正在使用char值进行某些操作，假设它是8位而不是16位，因此会截断它？

Answer 5

当使用“windows-1252”扩展ASCII拉丁语编码实际存储RTF文件时，读取RTF文件（UTF-8）时可能正在使用默认字符编码。

C＃字符串使用16个unicode位宽字符格式。将windows-1252字符0x85转换为其unicode等效项涉及复杂的映射，因为代码点（字符编号）非常不同。幸运的是，Windows可以为您完成工作。

通过在打开流时明确指定源编码，您可以更改在文本中阅读时转换字符的方式。

using System.IO;
using System.Text.Encoding;

using (TextReader tr = new StreamReader(path_to_RTF_file, Encoding.GetEncoding(1252)))
{
    // Read from the file as usual.
}

Answer 6

以下是一些适合您的粗略代码：

// Convert hex number, which represents an RTF code-page escaped character, 
// to the desired character (uses '85' from your example as a literal):
var number = int.Parse("85", System.Globalization.NumberStyles.HexNumber);
Debug.Assert(number <= byte.MaxValue);  

byte[] bytes = new byte[1] { (byte)number };
char[] chars = Encoding.GetEncoding(1252).GetString(bytes).ToCharArray();
// or, use:
// char[] chars = Encoding.Default.GetString(bytes).ToCharArray();  

string result = new string(chars);

Answer 7

只需使用我在Chris网站上修改过的功能（非常轻微）：

    private static string charScrubber(string content)
    {
        StringBuilder sbTemp = new StringBuilder(content.Length);
        foreach (char currentChar in content)
        {
            if ((currentChar != 127 && currentChar > 1))
            {
                sbTemp.Append(currentChar);
            }
        }

        content = sbTemp.ToString();
        return content;
    }

您可以修改“当前Char”条件以删除需要删除的任何字符（如此处显示，您将不会获得任何0x00字符，或者（char）127或0x57字符。）

ASCII / Hex表格：http://www.cs.mun.ca/~michael/c/ascii-table.html

Chris'网站：http://seattlesoftware.wordpress.com/2008/09/11/hexadecimal-value-0-is-an-invalid-character/

- 汤姆

如何获取表示上部ascii值字符的十六进制值的字符串类型

7 个答案: