Sdílet prostřednictvím


System.Text.Encoding – třída

Tento článek obsahuje doplňující poznámky k referenční dokumentaci pro toto rozhraní API.

Třída Encoding představuje kódování znaků.

Kódování je proces transformace sady znaků Unicode na posloupnost bajtů. Dekódování je naopak proces transformace sekvence kódovaných bajtů na sadu znaků Unicode. Informace o formátech transformace Unicode (UTF) a dalších kódováních podporovaných Encodingv tématu Kódování znaků v .NET.

Encoding je určen pro práci se znaky Unicode namísto libovolných binárních dat, jako jsou pole bajtů. Pokud je nutné kódovat libovolná binární data do textu, měli byste použít protokol, jako je uuencode, který je implementován metodami, jako Convert.ToBase64CharArrayje .

.NET poskytuje následující implementace Encoding třídy pro podporu aktuální kódování Unicode a dalších kódování:

  • ASCIIEncoding Kóduje znaky Unicode jako jednoduché 7bitové znaky ASCII. Toto kódování podporuje pouze hodnoty znaků mezi U+0000 a U+007F. Znaková stránka 20127. K dispozici také prostřednictvím ASCII vlastnosti.

  • UTF7Encoding kóduje znaky Unicode pomocí kódování UTF-7. Toto kódování podporuje všechny hodnoty znaků Unicode. Znaková stránka 65000. K dispozici také prostřednictvím UTF7 vlastnosti.

  • UTF8Encoding kóduje znaky Unicode pomocí kódování UTF-8. Toto kódování podporuje všechny hodnoty znaků Unicode. Znaková stránka 65001. K dispozici také prostřednictvím UTF8 vlastnosti.

  • UnicodeEncoding kóduje znaky Unicode pomocí kódování UTF-16. Podporují se malé endianové i velké bajtové příkazy. K dispozici je také prostřednictvím Unicode vlastnosti a BigEndianUnicode vlastnosti.

  • UTF32Encoding kóduje znaky Unicode pomocí kódování UTF-32. Podporují se jak malé endian (kódová stránka 12000), tak objednávky velkých endianů (kódová stránka 12001). K dispozici také prostřednictvím UTF32 vlastnosti.

Třída Encoding je primárně určena k převodu mezi různými kódováními a kódováním Unicode. Jednou z odvozených tříd Unicode je často správná volba pro vaši aplikaci.

Použijte metodu GetEncoding k získání dalších kódování a volání GetEncodings metody získat seznam všech kódování.

Seznam kódování

Následující tabulka uvádí kódování podporovaná rozhraním .NET. Vypíše číslo znakové stránky každého kódování a hodnoty kódování EncodingInfo.Name a EncodingInfo.DisplayName vlastností. Značka zaškrtnutí ve sloupci podpory rozhraní .NET Framework, podpora .NET Core nebo .NET 5 a novější označuje, že tato implementace .NET nativně podporuje znakovou stránku bez ohledu na podkladovou platformu. Dostupnost jiných kódování uvedených v tabulce v rozhraní .NET Framework závisí na operačním systému. Pro .NET Core a .NET 5 a novější verze jsou k dispozici další kódování pomocí System.Text.CodePagesEncodingProvider třídy nebo odvozením z System.Text.EncodingProvider třídy.

Poznámka:

Kódové stránky, jejichž EncodingInfo.Name vlastnost odpovídá mezinárodnímu standardu, nemusí být nutně v plném souladu s tímto standardem.

Znaková stránka Název Zobrazované jméno Podpora rozhraní .NET Framework Podpora .NET Core Podpora .NET 5 a novějších verzí
37 IBM037 IBM EBCDIC (USA–Kanada)
437 IBM437 USA OEM
500 IBM500 IBM EBCDIC (Mezinárodní)
708 ASMO-708 Arabština (ASMO 708)
720 DOS-720 Arabština (DOS)
737 ibm737 Řečtina (DOS)
775 ibm775 Baltský (DOS)
850 ibm850 Západní Evropa (DOS)
852 ibm852 Střední Evropa (DOS)
855 IBM855 Cyrilice OEM
857 ibm857 Turečtina (DOS)
858 IBM00858 OEM – vícejazyčná latinka I
860 IBM860 Portugalština (DOS)
861 ibm861 Islandština (DOS)
862 DOS-862 Hebrejština (DOS)
863 IBM863 Francouzština Kanadská (DOS)
864 IBM864 Arabština (864)
865 IBM865 Nordic (DOS)
866 cp866 Cyrilice (DOS)
869 ibm869 Řečtina, moderní (DOS)
870 IBM870 IBM EBCDIC (vícejazyčná latinka-2)
874 windows-874 Thajština (Windows)
875 cp875 IBM EBCDIC (řecky moderní)
932 shift_jis Japonština (Shift-JIS)
936 gb2312 Zjednodušená čínština (GB2312)
949 ks_c_5601-1987 Korejština
950 big5 Tradiční čínština (Big5)
1026 IBM1026 IBM EBCDIC (turečtina latinka-5)
1047 IBM01047 IBM Latin-1
1140 IBM01140 IBM EBCDIC (US-Canada-Euro)
1141 IBM01141 IBM EBCDIC (Německo-Euro)
1142 IBM01142 IBM EBCDIC (Dánsko-Norsko-Euro)
1143 IBM01143 IBM EBCDIC (Finsko-Švédsko-Euro)
1144 IBM01144 IBM EBCDIC (Itálie-Euro)
1145 IBM01145 IBM EBCDIC (Španělsko-Euro)
1146 IBM01146 IBM EBCDIC (UK-Euro)
1147 IBM01147 IBM EBCDIC (Francie-Euro)
1148 IBM01148 IBM EBCDIC (International-Euro)
1149 IBM01149 IBM EBCDIC (islandský-euro)
1200 utf-16 Unicode
1201 UnicodeFFFE Unicode (big endian)
1250 windows-1250 Středoevropská (Windows)
1251 windows-1251 Cyrilice (Windows)
1252 Windows-1252 Západní Evropa (Windows)
1253 windows-1253 Řečtina (Windows)
1254 windows-1254 Turečtina (Windows)
1 255 windows-1255 Hebrejština (Windows)
1256 windows-1256 Arabština (Windows)
1257 windows-1257 Baltic (Windows)
1258 windows-1258 Vietnamština (Windows)
1361 Johab Korejština (Johab)
10000 Macintosh Západní Evropa (Mac)
10001 x-mac-japanese Japonština (Mac)
10002 x-mac-chinesetrad Tradiční čínština (Mac)
10003 x-mac-korean Korejština (Mac)
10004 x-mac-arabic Arabština (Mac)
10005 x-mac-hebrejština Hebrejština (Mac)
10006 x-mac-greek Řečtina (Mac)
10007 x-mac-cyrilice Cyrilice (Mac)
10008 x-mac-chinesesimp Zjednodušená čínština (Mac)
10010 x-mac-rumunština Rumunština (Mac)
10017 x-mac-ukrajinština Ukrajinština (Mac)
10021 x-mac-thai Thajština (Mac)
10029 x-mac-ce Středoevropská (Mac)
10079 x-mac-islandic Islandština (Mac)
10081 x-mac-turečtina Turečtina (Mac)
10082 x-mac-chorvatština Chorvatština (Mac)
12000 utf-32 Unicode (UTF-32)
12001 utf-32BE Unicode (UTF-32 Big endian)
20 000 x-Chinese-CNS Tradiční čínština (CNS)
20001 x-cp20001 TCA Taiwan
20002 x-Chinese-Eten Tradiční čínština (Eten)
20003 x-cp20003 IBM5550 Tchaj-wan
20004 x-cp20004 TeleText Taiwan
20005 x-cp20005 Wang Taiwan
20105 x-IA5 Západní Evropa (IA5)
20106 x-IA5-German Němčina (IA5)
20107 x-IA5-Švédština Švédština (IA5)
20108 x-IA5-Norština Norština (IA5)
20127 us-ascii US-ASCII
20261 x-cp20261 T.61
20269 x-cp20269 ISO-6937
20273 IBM273 IBM EBCDIC (Německo)
20277 IBM277 IBM EBCDIC (Dánsko-Norsko)
20278 IBM278 IBM EBCDIC (Finsko–Švédsko)
20280 IBM280 IBM EBCDIC (Itálie)
20284 IBM284 IBM EBCDIC (Španělsko)
20285 IBM285 IBM EBCDIC (UK)
20290 IBM290 IBM EBCDIC (japonská katakana)
20297 IBM297 IBM EBCDIC (Francie)
20420 IBM420 IBM EBCDIC (arabština)
20423 IBM423 IBM EBCDIC (řečtina)
20424 IBM424 IBM EBCDIC (hebrejština)
20833 x-EBCDIC-KoreanExtended IBM EBCDIC (korejština rozšířená)
20838 IBM-Thai IBM EBCDIC (thajština)
20866 koi8-r Cyrilice (KOI8-R)
20871 IBM871 IBM EBCDIC (Islandština)
20880 IBM880 IBM EBCDIC (cyrilice ruská)
20905 IBM905 IBM EBCDIC (turečtina)
20924 IBM00924 IBM Latin-1
20932 EUC-JP Japonština (JIS 0208-1990 a 0212-1990)
20936 x-cp20936 Zjednodušená čínština (GB2312-80)
20949 x-cp20949 Korejština Wansung
21025 cp1025 IBM EBCDIC (cyrilice srbština-bulharština)
21866 koi8-u Cyrilice (KOI8-U)
28591 iso-8859-1 Západní Evropa (ISO)
28592 iso-8859-2 Středoevropská (ISO)
28593 iso-8859-3 Latinka 3 (ISO)
28594 iso-8859-4 Baltské moře (ISO)
28595 iso-8859-5 Cyrilice (ISO)
28596 iso-8859-6 Arabština (ISO)
28597 iso-8859-7 Řečtina (ISO)
28598 iso-8859-8 Hebrejština (ISO-Visual)
28599 iso-8859-9 Turečtina (ISO)
28603 iso-8859-13 Estonština (ISO)
28605 iso-8859-15 Latin 9 (ISO)
29001 x-Europa Evropa
38598 iso-8859-8-i Hebrejština (ISO-Logical)
50220 iso-2022-jp Japonština (JIS)
50221 csISO2022JP Japonština (JIS– Povolit 1 bajt Kana)
50222 iso-2022-jp Japonština (JIS-Allow 1 bajt Kana - SO/SI)
50225 iso-2022-kr Korejština (ISO)
50227 x-cp50227 Zjednodušená čínština (ISO-2022)
51932 euc-jp Japonština (EUC)
51936 EUC-CN Zjednodušená čínština (EUC)
51949 euc-kr Korejština (EUC)
52936 Hz-gb-2312 Zjednodušená čínština (HZ)
54936 GB18030 Zjednodušená čínština (GB18030)
57002 x-iscii-de ISCII Devanagari
57003 x-iscii-be ISCII Bengali
57004 x-iscii-ta Tamilština ISCII
57005 x-iscii-te ISCII Telugu
57006 x-iscii-as ISCII Assamese
57007 x-iscii-or ISCII Oriya
57008 x-iscii-ka ISCII Kannada
57009 x-iscii-ma ISCII Malayalam
57010 x-iscii-gu ISCII Gujarati
57011 x-iscii-pa ISCII Punjabi
65000 utf-7 Unicode (UTF-7)
65001 utf-8 Unicode (UTF-8)

Následující příklad volá GetEncoding(Int32) a GetEncoding(String) metody pro získání kódování znakové stránky řečtiny (Windows). Porovná Encoding objekty vrácené voláním metody, aby ukázaly, že jsou stejné, a pak mapuje znak Unicode a odpovídající hodnotu znakové stránky pro každý znak v řecké abecedě.

using System;
using System.Text;

public class Example
{
   public static void Main()
   {
      Encoding enc = Encoding.GetEncoding(1253);
      Encoding altEnc = Encoding.GetEncoding("windows-1253");
      Console.WriteLine("{0} = Code Page {1}: {2}", enc.EncodingName,
                        altEnc.CodePage, enc.Equals(altEnc));
      string greekAlphabet = "Α α Β β Γ γ Δ δ Ε ε Ζ ζ Η η " +
                             "Θ θ Ι ι Κ κ Λ λ Μ μ Ν ν Ξ ξ " +
                             "Ο ο Π π Ρ ρ Σ σ ς Τ τ Υ υ " +
                             "Φ φ Χ χ Ψ ψ Ω ω";
      Console.OutputEncoding = Encoding.UTF8;
      byte[] bytes = enc.GetBytes(greekAlphabet);
      Console.WriteLine("{0,-12} {1,20} {2,20:X2}", "Character",
                        "Unicode Code Point", "Code Page 1253");
      for (int ctr = 0; ctr < bytes.Length; ctr++) {
         if (greekAlphabet[ctr].Equals(' '))
            continue;

         Console.WriteLine("{0,-12} {1,20} {2,20:X2}", greekAlphabet[ctr],
                           GetCodePoint(greekAlphabet[ctr]), bytes[ctr]);
      }
   }

   private static string GetCodePoint(char ch)
   {
      string retVal = "u+";
      byte[] bytes = Encoding.Unicode.GetBytes(ch.ToString());
      for (int ctr = bytes.Length - 1; ctr >= 0; ctr--)
         retVal += bytes[ctr].ToString("X2");

      return retVal;
   }
}
// The example displays the following output:
//       Character      Unicode Code Point       Code Page 1253
//       Α                          u+0391                   C1
//       α                          u+03B1                   E1
//       Β                          u+0392                   C2
//       β                          u+03B2                   E2
//       Γ                          u+0393                   C3
//       γ                          u+03B3                   E3
//       Δ                          u+0394                   C4
//       δ                          u+03B4                   E4
//       Ε                          u+0395                   C5
//       ε                          u+03B5                   E5
//       Ζ                          u+0396                   C6
//       ζ                          u+03B6                   E6
//       Η                          u+0397                   C7
//       η                          u+03B7                   E7
//       Θ                          u+0398                   C8
//       θ                          u+03B8                   E8
//       Ι                          u+0399                   C9
//       ι                          u+03B9                   E9
//       Κ                          u+039A                   CA
//       κ                          u+03BA                   EA
//       Λ                          u+039B                   CB
//       λ                          u+03BB                   EB
//       Μ                          u+039C                   CC
//       μ                          u+03BC                   EC
//       Ν                          u+039D                   CD
//       ν                          u+03BD                   ED
//       Ξ                          u+039E                   CE
//       ξ                          u+03BE                   EE
//       Ο                          u+039F                   CF
//       ο                          u+03BF                   EF
//       Π                          u+03A0                   D0
//       π                          u+03C0                   F0
//       Ρ                          u+03A1                   D1
//       ρ                          u+03C1                   F1
//       Σ                          u+03A3                   D3
//       σ                          u+03C3                   F3
//       ς                          u+03C2                   F2
//       Τ                          u+03A4                   D4
//       τ                          u+03C4                   F4
//       Υ                          u+03A5                   D5
//       υ                          u+03C5                   F5
//       Φ                          u+03A6                   D6
//       φ                          u+03C6                   F6
//       Χ                          u+03A7                   D7
//       χ                          u+03C7                   F7
//       Ψ                          u+03A8                   D8
//       ψ                          u+03C8                   F8
//       Ω                          u+03A9                   D9
//       ω                          u+03C9                   F9
Imports System.Text

Module Example
   Public Sub Main()
      Dim enc As Encoding = Encoding.GetEncoding(1253)
      Dim altEnc As Encoding = Encoding.GetEncoding("windows-1253")
      Console.WriteLine("{0} = Code Page {1}: {2}", enc.EncodingName,
                        altEnc.CodePage, enc.Equals(altEnc))
      Dim greekAlphabet As String = "Α α Β β Γ γ Δ δ Ε ε Ζ ζ Η η " +
                                    "Θ θ Ι ι Κ κ Λ λ Μ μ Ν ν Ξ ξ " +
                                    "Ο ο Π π Ρ ρ Σ σ ς Τ τ Υ υ " +
                                    "Φ φ Χ χ Ψ ψ Ω ω"
      Console.OutputEncoding = Encoding.UTF8
      Dim bytes() As Byte = enc.GetBytes(greekAlphabet)
      Console.WriteLine("{0,-12} {1,20} {2,20:X2}", "Character",
                        "Unicode Code Point", "Code Page 1253")
      For ctr As Integer = 0 To bytes.Length - 1
         If greekAlphabet(ctr).Equals(" "c) Then Continue For

         Console.WriteLine("{0,-12} {1,20} {2,20:X2}", greekAlphabet(ctr),
                           GetCodePoint(greekAlphabet(ctr)), bytes(ctr))
      Next

   End Sub
   
   Private Function GetCodePoint(ch As String) As String
      Dim retVal As String = "u+"
      Dim bytes() As Byte = Encoding.Unicode.GetBytes(ch)
      For ctr As Integer = bytes.Length - 1 To 0 Step -1
         retVal += bytes(ctr).ToString("X2")
      Next
      Return retVal
   End Function
End Module
' The example displays the following output:
'    Character      Unicode Code Point       Code Page 1253
'    Α                          u+0391                   C1
'    α                          u+03B1                   E1
'    Β                          u+0392                   C2
'    β                          u+03B2                   E2
'    Γ                          u+0393                   C3
'    γ                          u+03B3                   E3
'    Δ                          u+0394                   C4
'    δ                          u+03B4                   E4
'    Ε                          u+0395                   C5
'    ε                          u+03B5                   E5
'    Ζ                          u+0396                   C6
'    ζ                          u+03B6                   E6
'    Η                          u+0397                   C7
'    η                          u+03B7                   E7
'    Θ                          u+0398                   C8
'    θ                          u+03B8                   E8
'    Ι                          u+0399                   C9
'    ι                          u+03B9                   E9
'    Κ                          u+039A                   CA
'    κ                          u+03BA                   EA
'    Λ                          u+039B                   CB
'    λ                          u+03BB                   EB
'    Μ                          u+039C                   CC
'    μ                          u+03BC                   EC
'    Ν                          u+039D                   CD
'    ν                          u+03BD                   ED
'    Ξ                          u+039E                   CE
'    ξ                          u+03BE                   EE
'    Ο                          u+039F                   CF
'    ο                          u+03BF                   EF
'    Π                          u+03A0                   D0
'    π                          u+03C0                   F0
'    Ρ                          u+03A1                   D1
'    ρ                          u+03C1                   F1
'    Σ                          u+03A3                   D3
'    σ                          u+03C3                   F3
'    ς                          u+03C2                   F2
'    Τ                          u+03A4                   D4
'    τ                          u+03C4                   F4
'    Υ                          u+03A5                   D5
'    υ                          u+03C5                   F5
'    Φ                          u+03A6                   D6
'    φ                          u+03C6                   F6
'    Χ                          u+03A7                   D7
'    χ                          u+03C7                   F7
'    Ψ                          u+03A8                   D8
'    ψ                          u+03C8                   F8
'    Ω                          u+03A9                   D9
'    ω                          u+03C9                   F9

Pokud jsou data, která se mají převést, k dispozici pouze v sekvenčních blocích (jako jsou data načtená z datového proudu) nebo pokud je množství dat tak velké, že je potřeba je rozdělit na menší bloky, měli byste použít Decoder metodu GetDecoder nebo Encoder metodu odvozené třídy nebo GetEncoder metodu.

Kodéry UTF-16 a UTF-32 můžou používat pořadí velkých bajtů endianu (nejvýznamnější bajt první) nebo malé pořadí bajtů endianu (nejméně významné bajty jako první). Například velké písmeno latinky A (U+0041) se serializuje takto (v šestnáctkovém formátu):

  • UTF-16 big endian byte order: 00 41
  • UTF-16 little endian byte order: 41 00
  • UTF-32 big endian byte pořadí: 00 00 00 00 41
  • UTF-32 little endian byte order: 41 00 00 00

Obecně je efektivnější ukládat znaky Unicode pomocí nativního pořadí bajtů. Například je lepší použít malé endian bajtové pořadí na malých endian platformách, jako jsou počítače Intel.

Metoda GetPreamble načte pole bajtů, které zahrnuje značku pořadí bajtů (BOM). Pokud je toto pole bajtů předponou zakódovaného datového proudu, pomáhá dekodéru identifikovat použitý formát kódování.

Další informace o pořadí bajtů a značce pořadí bajtů naleznete v tématu Standard Unicode na domovské stránce Unicode.

Všimněte si, že třídy kódování umožňují chyby:

  • Bezobslužná změna na znak "?"
  • Použijte znak "co nejlépe přizpůsobit".
  • Změňte chování specifické pro aplikaci pomocí EncoderFallbackDecoderFallback a tříd s náhradním znakem U+FFFD Unicode.

U všech chyb datového streamu byste měli vyvolat výjimku. Aplikace buď používá příznak throwonerror, pokud je k dispozici, nebo používá EncoderExceptionFallbackDecoderExceptionFallback třídy. Nejvhodnější náhradní řešení se často nedoporučuje, protože může způsobit ztrátu nebo nejasnost dat a je pomalejší než jednoduché nahrazení znaků. Pro kódování ANSI je nejvhodnější chování výchozí.