Question

我们正在尝试读取包含某些MS Word字符（例如长连字符）的HTML文件。例如，问题是这些字符在SQL 2008中显示为垃圾。数据列是varbinary，我通过转换为varchar来查看此数据。这是代码，逐字：

编辑：更正了不良字符的定义

var file = new FileInfo(/*file info*/);

using (var fs = file.OpenRead())
{
    var buffer = new byte[16 * 1024];
    using (var ms = new MemoryStream())
    {
        int read;
        while ((read = fs.Read(buffer, 0, buffer.Length)) > 0)
        {
            ms.Write(buffer, 0, read);
        }
        item.Data = ms.ToArray();
    }
}

“item”对象超出了代码的范围。

如果它有任何不同，我们使用EF 4.该数据列的数据类型是二进制的。请告诉我我可以提供的代码或详细信息。感谢。

Answer 1

将任意字节转换为某个任意代码页显示为时髦字符。这里没有什么新东西，总是如此，而且永远都是如此。您需要正确管理文本结束端到端，从正在读取的文件到显示的最终数据。首先阅读：International Features in Microsoft SQL Server 2005。这个旧的KB也很有用（至少在某种程度上）Description of storing UTF-8 data in SQL Server。一旦你弄清楚你的HTML文件是什么编码以及你要显示数据的编码，我们就可以讨论可用的选项。

哦，我忘记了强制性链接：The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)。

Answer 2

作为一个临时解决方案，如果我没有错，那么角色就像一个正方形，不是？显示后，您可以随时替换恼人的字符。

您查找ASCII代码（要知道它，您只需要convert.int32）并将其替换为您喜欢的字符。

使用HTML导入非标准字符的奇数字符？

2 个答案: