Question

所以我遇到了一些字符编码问题。当我将以下两个字符放入UTF32编码的文本文件中时：

鸕

然后在它们上运行此代码：

System.IO.StreamReader streamReader = 
    new System.IO.StreamReader("input", System.Text.Encoding.UTF32, false);
System.IO.StreamWriter streamWriter = 
    new System.IO.StreamWriter("output", false, System.Text.Encoding.UTF32);

streamWriter.Write(streamReader.ReadToEnd());

streamWriter.Close();
streamReader.Close();

我明白了：

鸕
鸕

（相同的字符两次，即输入文件！=输出）

可能会有所帮助的一些事情：第一个字符的十六进制：

15 9E 02 00

第二个：

15 9E 00 00

我正在使用gedit创建文本文件，使用单声道作为C＃，我正在使用Ubuntu。

如果我指定输入或输出文件的编码也没关系，如果它是UTF32编码，它就不喜欢它。如果输入文件是UTF-8编码，则它可以工作。

输入文件如下：

FF FE 00 00 15 9E 02 00 0A 00 00 00 15 9E 00 00 0A 00 00 00

这是一个错误，还是仅仅是我？

谢谢！

Answer 1

K，所以我想出来，我觉得它现在似乎有用了。事实证明，由于角色的代码是15 9E 02 00和15 9E 00 00，因此无法将它们保存在单个UTF-16 char中。因此，相反，UTF16使用这些代理对，其中有两个不同的字符作为一个“元素”。要获取元素，我们可以使用：

StringInfo.GetTextElementEnumerator(string fred);

并返回一个包含代理项对的字符串。把它当成一个角色。

见这里：

http://msdn.microsoft.com/en-us/library/system.globalization.stringinfo.aspx

http://msdn.microsoft.com/en-us/library/system.globalization.textelementenumerator.gettextelement.aspx

希望它有助于某人：D

Answer 2

我试过这个，它在我的电脑上运行良好。

System.IO.StreamReader streamReader = new System.IO.StreamReader("input", true);
System.IO.StreamWriter streamWriter = new System.IO.StreamWriter("output", false);

streamWriter.Write(streamReader.ReadToEnd());

streamWriter.Close();
streamReader.Close();

您认为UTF32中的文字可能不是。

Answer 3

写入时你没有指定UTF-32，所以它默认为Encoding.UTF8。

来自MSDN：

此构造函数使用UTF-8编码创建StreamWriter而不使用字节顺序标记（BOM），因此其GetPreamble方法返回一个空字节阵列。要使用UTF-8编码和BOM创建StreamWriter，考虑使用指定编码的构造函数，例如 StreamWriter（String，Boolean，Encoding）。

Answer 4

我认为您还需要为Encoding.UTF32指定相同的编码（StreamWriter）。

编辑：

通常在UTF代码页之间不需要，但我也会尝试这个：

Encoding utf8 = Encoding.UTF8;
Encoding utf32 = Enconding.UTF32;
byte[] utf8Bytes = utf8.GetBytes(yourText);
byte[] utf32Bytes = Encoding.Convert(utf8, utf32, utf8Bytes);
string utf32Text = iso.GetString(utf32Text);

Answer 5

来自MSDN的备注部分StreamReader's constructor：

此构造函数初始化编码指定的编码参数，内部缓冲区大小为1024字节。该 StreamReader对象尝试通过查看来检测编码流的前三个字节。它会自动识别UTF-8，如果文件启动，则使用little-endian Unicode和big-endian Unicode文本使用适当的字节顺序标记。否则，用户提供使用编码。有关更多信息，请参阅Encoding.GetPreamble方法信息。

文件开头的字节顺序标记很可能实际上是指示UTF 16（或其他东西），因此它没有使用您明确声明的UTF 32编码。

UTF32和C＃问题

5 个答案: