Question

我有一个包含内容＆＃34; test＆＃34;的文本文件（UTF-8编码）。我尝试从这个文件中获取字节数组并转换为字符串，但它包含一个奇怪的字符。我使用以下代码：

var path = @"C:\Users\Tester\Desktop\test\test.txt"; // UTF-8

var bytes = File.ReadAllBytes(path);
var contents1 = Encoding.UTF8.GetString(bytes);

var contents2 = File.ReadAllText(path);

Console.WriteLine(contents1); // result is "?test"
Console.WriteLine(contents2); // result is "test"

conents1与contents2不同 - 为什么？

Answer 1

如ReadAllText's documentation中所述：

此方法尝试根据字节顺序标记的存在自动检测文件的编码。可以检测到编码格式UTF-8和UTF-32（big-endian和little-endian）。

因此该文件包含BOM（Byte order mark），ReadAllText方法正确解释它，而第一种方法只读取普通字节，而根本不解释它们。

Encoding.GetString只说：

将指定字节数组中的所有字节解码为字符串

（强调我的）。这当然不是完全确定的，但是你的例子表明这是字面意思。

Answer 2

您可能会在文件开头看到Unicode BOM（字节顺序标记）。 File.ReadAllText知道如何删除它，但Encoding.UTF8没有。

Answer 3

它是UTF8编码前缀字符串。它将文件标记为UTF8编码。 ReadAllText不会返回它，因为它是一个解析指令。

为什么File.ReadAllBytes与使用File.ReadAllText时的结果不同？

3 个答案: