字符ä在同一字符串中以不同的字符代码表示

Question

我在网络上上传了文件名“SchränkeWintsch.pdf”。 文件名保存在XML文件中，如下所示：

<File>Schra?nke Wintsch.pdf</File>

如果我在c＃中调试此代码，然后手动添加ä，则可以正确保存。

<File>Schra?nke Wintsch-ä.pdf</File>

好的，我知道这是一个编码问题。 但是，为什么相同的ä字符用不同的字符代码表示（图2中的示例）？

Answer 1

您拥有的原始XML使用Unicode 'COMBINING DIAERESIS' code（int值776）来使用两个字符表示ä。

（请注意，在您的帖子的?图片中，合并字符如何显示为<File>Schra?nke Wintsch.pdf</File>。）

776代码说将双点放在上一个字符（a）上方。

但是，您在ä中键入的位置已存储为代码为228的Unicode字符。

您需要回答的问题是：为什么原始源XML为什么使用“ Combining Diaeresis”字符而不是更常见的ä？ （在不知道XML文件起源的情况下，我们无法回答该问题。）

顺便说一句，您可以使用string.Normalize()“归一化”这类字符，如以下程序所示：

using System;

namespace Demo
{
    static class Program
    {
        static void Main()
        {
            char[] a = {(char)97, (char)776};
            string s = new string(a);

            Console.WriteLine(s + " -> " + s.Length); // Prints a¨ -> 2

            var t = s.Normalize();
            Console.WriteLine(t + " -> " + t.Length); // Prints ä -> 1
        }
    }
}

请注意s的长度是2，但是t的长度只有1（并且包含单个字符ä）。

因此，您可以使用string.Normalize()来规范化这些意外字符，从而改善自己的状况。

Answer 2

XML使用标头定义文档中使用的编码。看起来像这样。<?xml version="1.0" encoding="ISO-8859-9" ?>。

如果附加字符串，请确保使用相同的编码，以避免不匹配。

测试附加的char字节，看看是否有帮助。

var en = Encoding.GetEncoding("ISO-8859-9");

en.GetString(Encoding.GetBytes("ä"));

Answer 3

string.Normalize（）是字符串“SchränkeWintsch-ä.pdf”的工作解决方案。因此它可以正确保存为SchränkeWintsch-ä.pdf