Question

我正在尝试替换从Excel电子表格中检索到的字符串中的某些不需要的字符。原因是我们的Oracle数据库使用的是WE8ISO8859P1字符集，它没有定义Excel“帮助”在文本中插入的几个字符（引号，em和en破折号等）因为我无法控制数据库或者如何创建Excel电子表格我需要用其他东西替换字符。

我将单元格内容检索为字符串，因此：

string s = xlRange.get_Range("A1", Missing.Value).Value2.ToString().Trim();

在Visual Studio的Text Visualiser中查看字符串会显示要完整并正确检索的文本。接下来，我尝试替换其中一个不需要的字符（在本例中为右侧卷曲引号）：

s = Regex.Replace(s, "\u0094", "\u0022");

但它没有做任何事（Text Visualiser显示它仍然存在）。为了尝试验证我想替换的角色实际上在那里，我尝试了：

bool a = s.Contains("\u0094");

但它返回false。但是：

bool b = s.Contains("”");

返回true。

我（有点缺乏）对.NET中字符串的理解是它们是用UTF-16编码的，而Excel可能会使用ANSI。那么这是否意味着我需要更改Excel中出现的文本编码？或者我在这里做错了什么？任何建议将不胜感激。我已经阅读并重新阅读了我能找到的关于Unicode和编码的所有文章，但我仍然没有更聪明。

Answer 1

.Net中的字符串是UTF-16。

你做得对;也许你的十六进制数学不正确。您测试的角色不是"\u0094"（不确定您的意思）。以下对我有用：

((int)"”"[0]).ToString("X")返回"201D"

"”" == "\u201D"返回true

"\u0094" == ""（右侧是空字符串）返回false

许多UTF-16字符在文本可视化工具中看起来像一个空字符串，但它们可以是不可显示的字符或代理项的一部分（即某些字符可能需要键入"\UXXXXXXXX"而其他字符可能需要输入"\uXXXX"可以用（四位数）{{1}}。）。我对这个领域的了解非常有限。

参考文献 - Jon Skeet的文章：

Answer 2

对于需要容纳这些字符的列，您可以使用NVARCHAR和NTEXT代替VARCHAR和TEXT。这样你就不必转换整个数据库，并且你将来会证明，因为这些列将是Unicode。