Question

我已经跟踪了一个问题，我在.NET System.Text.Encoding类中遇到了以下无法解释的行为：

byte[] original = new byte[] { 128 };
string encoded = System.Text.Encoding.UTF8.GetString(original);
byte[] decoded = System.Text.Encoding.UTF8.GetBytes(encoded);
Console.WriteLine(original[0] == decoded[0]);

我是否期望过多的解码应该等于上面原来的？

UTF8，UTF7，UTF32，Unicode和ASCII都会产生各种各样的错误。发生了什么事？

Answer 1

这是无效的UTF8字节序列。

你需要

byte[] original = new byte[] { 0xc2, 128 };

与字节顺序标记无关。

<强>更新

或者你应该做

char[] c = { (char)128 };

Answer 2

原始数据是无效的UTF8序列。

decoding = {0xef，0xbf，0xbd}

正在搜索此字符串：http://en.wikipedia.org/wiki/Unicode_Specials。它是替换字符的UTF-8代码，用于代替无效字符。

Answer 3

这是因为当你转换为字符串时，它将包含UTF-8 BOM，它们在开头是三个字节。

Answer 4

一般情况下，您不能以这种方式进行往返，并且您希望能够对任意编码执行此操作，特别是对于任何UTF编码都是错误的。

然而，有一个编码可以让你往返所有字节值 - Latin1又名ISO-8859-1又名CP28591。此编码与默认的Windows ANSI编码类似但不完全相同，并且对于以这种方式进行往返的情况非常有用 - 例如编写将文本和控制字符混合到串口的流。

See this answer，或提及Latin1的其他问题。

System.Text.Encoding不是

4 个答案: