我正在解析包含字符串的文件（我不生成）。该字符串总是以2个字节开头，它告诉我后面的字符串的长度。
例如：
05 00 53 70 6F 72 74
将是：
Sport
使用C＃BinaryReader，我使用：
读取字符串string s = new string(binaryReader.ReadChars(size));
有时会出现奇怪的时髦角色，这似乎会推动流的位置超出应有的位置。例如：
0D 00 63 6F 6F 6B 20 E2 80 94 20 62 6F 6F 6B
应该是：
cook - book
虽然它读得很好但是流比它应该进一步延长两个字节？！ （然后会弄乱其余的解析。）
我猜它与中间的0xE2有关，但我不确定为什么或如何处理它。
任何建议都非常感谢！
答案 0 :(得分：6)
我的猜测是字符串是用UTF-8编码的。 3字节序列E2 80 94对应于单个Unicode字符U + 2014（EM DASH）。
答案 1 :(得分：1)
在你的第一个例子中
05 00 53 70 6F 72 74
没有字节超过0x7F，这恰好是7位ASCII的限制。 UTF-8通过使用第8位来保持与ASCII的兼容性，以表明将会有更多信息。
0D 00 63 6F 6F 6B 20 E2 80 94 20 62 6F 6F 6B
就像Ted注意到你的“问题”从0xE2开始，因为那不是7位ASCII字符。
第一个字节0x0D告诉我们应该有11个字符但是有13个字节。
0xE2告诉我们，我们找到了UTF-8序列的开头，因为设置了最高位（它超过127）。在这种情况下，sequence表示 - （EM Dash）。
答案 2 :(得分：0)
正如您所说，E2字符是正确的问题。 BinaryReader.ReadChars（n）不读取n个字节，而是读取UTF-8编码的Unicode字符。请参阅维基百科Unicode Encodings。你所追求的术语是代理人物。在UTF-8中，000080 - 00009F范围内的字符由两个字节表示。这就是您的偏移不匹配的原因。
您需要使用BinaryReader.ReadBytes来修复偏移问题并将其传递给Encoding实例。
要使其工作，您需要使用BinaryReader读取字节，然后使用正确的编码对其进行解码。假设您正在处理UTF-8，那么您需要将字节数组传递给
Encoding.UTF8.GetString(byte [] rawData)
返回正确编码的字符串。
此致， Alois Kraus