从剪贴板（从Excel粘贴）获取包含重音字符的CSV数据

Question

SCENARIO

• 我的用户将从Excel复制单元格（因此将其放入剪贴板）
• 我的应用程序将从剪贴板中检索这些单元格

问题

• 我的代码从剪贴板中检索CSV格式
• 但是，如果原始Excel内容包含ä（a with umlaut）等字符，则检索到的CSV字符串没有正确的字符（ä最终显示为“方形”对我来说）
• 相比之下，如果我的代码从剪贴板中检索Unicode文本格式，一切正常：ä保留在从剪贴板检索到的字符串中

源代码 - 原始 - 与问题

[STAThread]
static void Main(string[] args)
{
    var fmt_csv = System.Windows.Forms.DataFormats.CommaSeparatedValue;

    // read the CSV
    var dataobject = System.Windows.Forms.Clipboard.GetDataObject();
    var stream = (System.IO.Stream)dataobject.GetData(fmt_csv);
    var enc = new System.Text.UTF8Encoding();
    var reader = new System.IO.StreamReader(stream,enc);
    string data_csv = reader.ReadToEnd();

    // read the unicode string
    string data_string = System.Windows.Forms.Clipboard.GetText();



}

运行示例代码时的结果

• Repro步骤：在Excel中输入一些文本（我使用“doppelgänger”加上一些数字），然后按Ctrl-C将其复制到剪贴板，然后运行上面的代码。
• data_csv设置为“doppelg nger，1 \ r \ n2,3 \ r \ n \ 0”
• data_string设置为“doppelgänger\ t1 \ r \ n2 \ t3 \ r \ n”

问题

• 我该怎么做才能得到正确的字符？

注释

• 是的，我知道我可以使用Unicode文本解决此问题。但我实际上想了解CSV的内容
• 在检索流时使用或不使用UTF-8编码对结果没有影响

回答

在查看评论并密切关注Excel在剪贴板上放置CSV之后，Excel可能会使用“遗留”编码而不是UTF-8来放置内容。所以我尝试使用Windows 1252代码页作为编码，它工作。请参阅以下代码

源代码 - 答案

[STAThread]
static void Main(string[] args)
{
    var fmt_csv = System.Windows.Forms.DataFormats.CommaSeparatedValue;

    //read the CSV
    var dataobject = System.Windows.Forms.Clipboard.GetDataObject();
    var stream = (System.IO.Stream)dataobject.GetData(fmt_csv);
    var enc = System.Text.Encoding.GetEncoding(1252);
    var reader = new System.IO.StreamReader(stream,enc);
    string data_csv= reader.ReadToEnd();

    //read the Unicode String
    string data_string = System.Windows.Forms.Clipboard.GetText();
}

Answer 1

Excel使用Unicode字符编码将字符串存储在剪贴板上。当您尝试读取ANSI中的字符串时，您获得正方形的原因是系统的ANSI代码页中没有该字符的表示。你应该只使用Unicode。如果您要处理本地化问题，那么ANSI就会比它的价值更麻烦。

编辑：Joel Spolsky写了一篇关于字符编码的精彩介绍，绝对值得一试：The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)

Answer 2

您将流编码为UTF8无法正常工作。变音符号的字节被转换为“替换字符”unicode字符。

相反，只需查看流的数据，无需任何额外的编码指令。数据将采用Excel使用的某种设置格式。您应该能够通过查看unlaut所在的字节来判断。然后，您应该能够将其转换为UTF-8。

最糟糕的情况是CSV Formatter会抛出不是Ascii的所有内容。在这种情况下，您可以编写自己的数据格式化程序。

在某些情况下，Excel人员认为CSV仅表示Ascii。 见http://www.tech-archive.net/Archive/Excel/microsoft.public.excel.misc/2008-07/msg02270.html