我被要求解决文件中的编码问题。 预期使用UTF8,但实际上使用扩展ASCII。
结果是一个文件,其内容如下:
巴西利亚; Eletrônicos eInformáticaCâmeras eAcessóriosmásica
实际上应该是:
巴西利亚电子信箱卡梅拉斯州Acessóriosmúsica
我用以下代码解决了它:
private static string FixEncodingIssues(string str)
{
string fixedStr = str;
foreach (KeyValuePair<string, string> pair in encodingErrosDic)
fixedStr = fixedStr.Replace(pair.Key,pair.Value);
return fixedStr;
}
private static Dictionary<string, string> encodingErrosDic = new Dictionary<string, string>()
{
{ "Ã" , "Ã" },
{ "Ã\x81" , "Á" },
{ "À" , "À" },
{ "Â" , "Â" },
{ "Ä" , "Ä" },
{ "Ã…" , "Å" },
{ "Ç" , "Ç" },
{ "È" , "È" },
{ "É" , "É" },
{ "Ê" , "Ê" },
{ "Ë" , "Ë" },
{ "ÃŒ" , "Ì" },
{ "Ã\x8D" , "Í" },
{ "ÃŽ" , "Î" },
{ "Ã\x8F" , "Ï" },
{ "Ã\x90" , "Ð" },
{ "Ñ" , "Ñ" },
{ "Ã’" , "Ò"},
{ "Ó" , "Ó" },
{ "Ô" , "Ô" },
{ "Õ" , "Õ" },
{ "Ö" , "Ö" },
{ "×" , "×" },
{ "Ø" , "Ø" },
{ "Ù" , "Ù" },
{ "Ú" , "Ú" },
{ "Û" , "Û" },
{ "Ãœ" , "Ü" },
{ "Ã\x9D" , "Ý" },
{ "Ã\xA0" , "à" },
{ "á" , "á" },
{ "â" , "â" },
{ "ã" , "ã" },
{ "ä" , "ä" },
{ "Ã¥" , "å" },
{ "æ" , "æ" },
{ "ç" , "ç" },
{ "è" , "è" },
{ "é" , "é" },
{ "ê" , "ê"},
{ "ë" , "ë" },
{ "ì" , "ì" },
{ "î" , "î" },
{ "ï" , "ï" },
{ "Ã\xAD" , "í" },
{ "ð" , "ð" },
{ "ñ" , "ñ" },
{ "ò" , "ò" },
{ "ó" , "ó" },
{ "ô" , "ô" },
{ "õ" , "õ" },
{ "ö" , "ö" },
{ "ø" , "ø" },
{ "ù" , "ù" },
{ "ú" , "ú" },
{ "û" , "û" },
{ "ü" , "ü" },
{ "ý" , "ý" }
};
我想知道是否有更好的方法来解决此问题。我觉得我的解决方案太粗糙了,不适用于字典中未列出的字节。我想知道是否有一个更干净的解决方案,不涉及列出所有扩展案例,并用等效的UTF8值替换它们。