Question

我在一个旨在格式化我拥有的某些文件的程序中调用File.ReadAllText()。

其中一些文件包含®（174）符号。但是，在读取文本时，返回的字符串包含�（65533）符号，其中®（174）应该是。

导致此问题的原因以及如何解决？

Answer 1

这可能是由于Encoding不匹配造成的。使用ReadAllText重载，您可以指定在阅读文件时使用的正确Encoding。

默认重载将采用UTF-8，除非它可以检测到UTF-32。任何其他编码都会错误地发生。

Answer 2

文件最有可能包含与默认编码不同的编码。如果您知道，可以使用File.ReadAllText Method (String, Encoding)覆盖来指定它。

代码示例：

string readText = File.ReadAllText(path, Encoding.Default);  // <-- change the encoding to whatever the encoding really is

如果您不知道编码，请参阅此前的SO问题：How to use ReadAllText when file encoding unknown

Answer 3

您需要在调用File.ReadAllText时指定编码，除非该文件实际上是UTF-8，听起来并非如此。（基本上，单参数重载相当于传入UTF-8作为第二个参数。我相信它还会检测带有适当字节顺序标记的UTF-32。）

首先要弄清楚是的编码方式（例如ISO-8859-1 - 但你需要检查这个），然后将其作为第二个论点。

例如：

Encoding isoLatin1 = Encoding.GetEncoding(28591);
string text = File.ReadAllText(path, isoLatin1);

总是重要的是，在尝试将二进制数据作为文本读取之前，您知道二进制数据的编码使用了什么。对于文件，网络流，任何东西都是如此。

Answer 4

您正在阅读的角色是替换角色

用于替换Unicode中未知或不可表示的值的传入字符比较使用U + 001A作为控制字符来表示替代函数

您得到的是因为文件的实际编码与程序所期望的编码不匹配。

默认情况下，ReadAllText需要UTF-8。它遇到的字节序列不代表有效的UTF-8字符，因此将其替换为替换字符。