是否可以在.NET中显示（转换？）unicode hex \ u0092到unicode html实体？

Question

我有一些包含以下代码/值的字符串：

"You won\u0092t find a ...."

看起来该字符串包含Right Apostrophe特殊字符。

• ref1：Unicode control 0092
• ref2：ASCII chart (both 127 + extra extended ascii)

我不知道如何将这个显示给webbrowser。它会继续显示 TOFU 方框字符。我的印象是unicode（十六进制）值00092可以转换为unicode（html）’

我的理解是否正确？

更新1：

@ sam-ax建议我对unicode进行HtmlEncode。那没用。这是......

请注意ampersand已正确编码....

Answer 1

看起来有一种编码混淆。在.NET中，字符串通常编码为UTF-16，右撇号应表示为\u2019。但在您的示例中，右撇号表示为\x92，表示原始编码为Windows code page 1252。如果在Unicode文档中包含字符串，则无法正确解释字符\x92。

您可以通过将字符串重新编码为UTF-16来解决问题。为此，请将字符串视为字节数组，然后使用1252代码页将字节转换回Unicode：

string title = "You won\u0092t find a cheaper apartment * Sauna & Spa";
byte[] bytes = title.Select(c => (byte)c).ToArray();
title = Encoding.GetEncoding(1252).GetString(bytes);
// Result: "You won’t find a cheaper apartment * Sauna & Spa"

Answer 2

注意：我的答案很大程度上是基于猜测和查看System.Web 4.0的反编译代码。参考源看起来非常相似（相同？）。

您是正确的，可以在浏览器中显示read(ByteBuffer src)（6个字符）。但是，输出字符串包含"’"（1个字符）。这是一个控制字符，而不是HTML实体。

根据reference code，"\u0092"不会转换128到160之间的字符 - 此范围内的所有字符都是控制字符（＆符号在代码中是特殊的，因为其他一些特殊字符HTML符号）。

我的 guess 是因为这些是控制字符，所以它们在没有转换的情况下输出，因为转换它会改变字符串的含义。 （我尝试使用LinqPad运行一些示例，但未呈现此角色。）

如果你真的想要转换这些字符（或删除它们），你可能必须在调用WebUtility.HtmlEncode()之前/之后编写自己的函数 - 可能有一些事情已经这样做了但我没有知道任何。

希望这有帮助。

编辑： Michael Liu的回答似乎是正确的。我在这里留下我的答案，因为它在字符串的输入编码未知时可能很有用。