System.Text.Encoding-Klasse
Dieser Artikel enthält ergänzende Hinweise zur Referenzdokumentation für diese API.
Die Klasse Encoding stellt eine Zeichencodierung dar.
Beim Kodieren werden Unicode-Zeichen in eine Bytefolge transformiert. Im Gegensatz dazu ist die Decodierung der Prozess der Transformation einer Sequenz codierter Bytes in eine Reihe von Unicode-Zeichen. Informationen zu den Unicode-Transformationsformaten (Unicode Transformation Formats, UTFs) und anderen von .NET unterstützten EncodingCodierungen finden Sie unter "Character Encoding" in .NET.
Encoding dient zum Arbeiten mit Unicode-Zeichen anstelle beliebiger Binärdaten, z. B. Bytearrays. Wenn Sie beliebige Binärdaten in Text codieren müssen, sollten Sie ein Protokoll wie uuencode verwenden, das von Methoden wie z Convert.ToBase64CharArray. B. implementiert wird.
.NET stellt die folgenden Implementierungen der Encoding Klasse bereit, um aktuelle Unicode-Codierungen und andere Codierungen zu unterstützen:
ASCIIEncoding Codiert Unicode-Zeichen als einzelne 7-Bit-ASCII-Zeichen. Diese Codierung unterstützt nur Zeichenwerte zwischen U+0000 und U+007F. Codepage 20127. Auch über die ASCII Eigenschaft verfügbar.
UTF7Encoding codiert Unicode-Zeichen mithilfe der UTF-7-Codierung. Diese Codierung unterstützt alle Unicode-Zeichenwerte. Codepage 65000. Auch über die UTF7 Eigenschaft verfügbar.
UTF8Encoding codiert Unicode-Zeichen mithilfe der UTF-8-Codierung. Diese Codierung unterstützt alle Unicode-Zeichenwerte. Codepage 65001. Auch über die UTF8 Eigenschaft verfügbar.
UnicodeEncoding codiert Unicode-Zeichen mithilfe der UTF-16-Codierung. Sowohl endische als auch big endian byte orders werden unterstützt. Auch verfügbar über die Unicode Eigenschaft und die BigEndianUnicode Eigenschaft.
UTF32Encoding codiert Unicode-Zeichen mithilfe der UTF-32-Codierung. Sowohl little endian (Code page 12000) als auch big endian (code page 12001) byte orders werden unterstützt. Auch über die UTF32 Eigenschaft verfügbar.
Die Encoding Klasse soll in erster Linie zwischen verschiedenen Codierungen und Unicode konvertiert werden. Häufig ist eine der abgeleiteten Unicode-Klassen die richtige Wahl für Ihre App.
Verwenden Sie die GetEncoding Methode, um andere Codierungen abzurufen, und rufen Sie die GetEncodings Methode auf, um eine Liste aller Codierungen abzurufen.
Liste der Codierungen
In der folgenden Tabelle sind die von .NET unterstützten Codierungen aufgeführt. Sie listet die Codeseitenzahl der Codierung und die Werte der Codierungs EncodingInfo.Name - und EncodingInfo.DisplayName Eigenschaften auf. Ein Häkchen in der .NET Framework-Unterstützung, .NET Core-Unterstützung oder .NET 5- und höher-Unterstützungsspalte gibt an, dass die Codeseite von dieser .NET-Implementierung unabhängig von der zugrunde liegenden Plattform nativ unterstützt wird. Für .NET Framework hängt die Verfügbarkeit anderer in der Tabelle aufgeführter Codierungen vom Betriebssystem ab. Für .NET Core und .NET 5 und höhere Versionen stehen andere Codierungen mithilfe der System.Text.CodePagesEncodingProvider Klasse oder durch Ableiten von der System.Text.EncodingProvider Klasse zur Verfügung.
Hinweis
Codeseiten, deren EncodingInfo.Name Eigenschaft einem internationalen Standard entspricht, entsprechen nicht unbedingt vollständig diesem Standard.
| Codepage | Name | `Display name` | .NET Framework-Unterstützung | .NET Core-Unterstützung | .NET 5 und höher-Unterstützung |
|---|---|---|---|---|---|
| 37 | IBM037 | IBM EBCDIC (USA-Kanada) | |||
| 437 | IBM437 | OEM-USA | |||
| 500 | IBM500 | IBM EBCDIC (International) | |||
| 708 | ASMO-708 | Arabisch (ASMO 708) | |||
| 720 | DOS-720 | Arabisch (DOS) | |||
| 737 | ibm737 | Griechisch (DOS) | |||
| 775 | ibm775 | Baltisch (DOS) | |||
| 850 | ibm850 | Westeuropäischer (DOS) | |||
| 852 | ibm852 | Mitteleuropäischer (DOS) | |||
| 855 | IBM855 | OEM Kyrillisch | |||
| 857 | ibm857 | Türkisch (DOS) | |||
| 858 | IBM00858 | OEM Multilingual Latin I | |||
| 860 | IBM860 | Portugiesisch (DOS) | |||
| 861 | ibm861 | Isländisch (DOS) | |||
| 862 | DOS-862 | Hebräisch (DOS) | |||
| 863 | IBM863 | Französisch -Kanada (DOS) | |||
| 864 | IBM864 | Arabisch (864) | |||
| 865 | IBM865 | Nordic (DOS) | |||
| 866 | cp866 | Kyrillisch (DOS) | |||
| 869 | ibm869 | Griechisch, Modern (DOS) | |||
| 870 | IBM870 | IBM EBCDIC (Multilingual Latin-2) | |||
| 874 | Windows-874 | Thailändisch (Windows) | |||
| 875 | cp875 | IBM EBCDIC (Griechische Moderne) | |||
| 932 | Shift_jis | Japanisch (Shift-JIS) | |||
| 936 | gb2312 | Chinesisch vereinfacht (GB2312) | ✓ | ||
| 949 | ks_c_5601-1987 | Koreanisch | |||
| 950 | big5 | Chinesisch traditionell (Big5) | |||
| 1026 | IBM1026 | IBM EBCDIC (Türkisch Lateinisch-5) | |||
| 1047 | IBM01047 | IBM Lateinisch-1 | |||
| 1140 | IBM01140 | IBM EBCDIC (US-Canada-Euro) | |||
| 1.141 | IBM01141 | IBM EBCDIC (Deutschland-Euro) | |||
| 1142 | IBM01142 | IBM EBCDIC (Dänemark-Norwegen-Euro) | |||
| 1143 | IBM01143 | IBM EBCDIC (Finnland-Schweden-Euro) | |||
| 1144 | IBM01144 | IBM EBCDIC (Italien-Euro) | |||
| 1145 | IBM01145 | IBM EBCDIC (Spanien-Euro) | |||
| 1146 | IBM01146 | IBM EBCDIC (UK-Euro) | |||
| 1147 | IBM01147 | IBM EBCDIC (Frankreich-Euro) | |||
| 1148 | IBM01148 | IBM EBCDIC (International-Euro) | |||
| 1149 | IBM01149 | IBM EBCDIC (Island-Euro) | |||
| 1200 | utf-16 | Unicode | ✓ | ✓ | ✓ |
| 1201 | unicodeFFFE | Unicode (Big Endian) | ✓ | ✓ | ✓ |
| 1250 | Windows-1250 | Mitteleuropäischer (Windows) | |||
| 1251 | Windows-1251 | Kyrillisch (Windows) | |||
| 1252 | Windows-1252 | Westeuropäisch (Windows) | ✓ | ||
| 1253 | Windows-1253 | Griechisch (Windows) | |||
| 1254 | Windows-1254 | Türkisch (Windows) | |||
| 1255 | Windows-1255 | Hebräisch (Windows) | |||
| 1256 | Windows-1256 | Arabisch (Windows) | |||
| 1257 | Windows-1257 | Baltic (Windows) | |||
| 1258 | Windows-1258 | Vietnamesisch (Windows) | |||
| 1361 | Johab | Koreanisch (Johab) | |||
| 10000 | Macintosh | Westeuropäer (Mac) | |||
| 10001 | x-mac-japanisch | Japanisch (Mac) | |||
| 10002 | x-mac-chinesetrad | Chinesisch (traditionell) (Mac) | |||
| 10003 | x-mac-koreanisch | Koreanisch (Mac) | ✓ | ||
| 10004 | x-mac-arabisch | Arabisch (Mac) | |||
| 10005 | x-mac-hebräisch | Hebräisch (Mac) | |||
| 10006 | x-mac-griechisch | Griechisch (Mac) | |||
| 10007 | x-mac-kyrillisch | Kyrillisch (Mac) | |||
| 10008 | x-mac-chinesesimp | Chinesisch vereinfacht (Mac) | ✓ | ||
| 10010 | x-mac-rumänisch | Rumänisch (Mac) | |||
| 10017 | x-mac-ukrainisch | Ukrainisch (Mac) | |||
| 10021 | x-mac-thai | Thailändisch (Mac) | |||
| 10029 | x-mac-ce | Mitteleuropäischer (Mac) | |||
| 10079 | x-mac-islandisch | Isländisch (Mac) | |||
| 10081 | x-mac-türkisch | Türkisch (Mac) | |||
| 10082 | x-mac-kroatisch | Kroatisch (Mac) | |||
| 12000 | utf-32 | Unicode (UTF-32) | ✓ | ✓ | ✓ |
| 12001 | utf-32BE | Unicode (UTF-32 Big Endian) | ✓ | ✓ | ✓ |
| 20000 | x-Chinese-CNS | Chinesisch (traditionell) (CNS) | |||
| 20001 | x-cp20001 | TCA Taiwan | |||
| 20002 | x-Chinese-Eten | Chinesisch (traditionell) (Eten) | |||
| 20003 | x-cp20003 | IBM5550 Taiwan | |||
| 20004 | x-cp20004 | TeleText Taiwan | |||
| 20005 | x-cp20005 | Wang Taiwan | |||
| 20105 | x-IA5 | Westeuropäer (IA5) | |||
| 20106 | x-IA5-Deutsch | Deutsch (IA5) | |||
| 20107 | x-IA5-Schwedisch | Schwedisch (IA5) | |||
| 20108 | x-IA5-Norwegisch | Norwegisch (IA5) | |||
| 20127 | us-ascii | US-ASCII | ✓ | ✓ | ✓ |
| 20261 | x-cp20261 | T.61 | |||
| 20269 | x-cp20269 | ISO-6937 | |||
| 20273 | IBM273 | IBM EBCDIC (Deutschland) | |||
| 20277 | IBM277 | IBM EBCDIC (Dänemark-Norwegen) | |||
| 20278 | IBM278 | IBM EBCDIC (Finnland-Schweden) | |||
| 20280 | IBM280 | IBM EBCDIC (Italien) | |||
| 20284 | IBM284 | IBM EBCDIC (Spanien) | |||
| 20285 | IBM285 | IBM EBCDIC (UK) | |||
| 20290 | IBM290 | IBM EBCDIC (Japanische Katakana) | |||
| 20297 | IBM297 | IBM EBCDIC (Frankreich) | |||
| 20420 | IBM420 | IBM EBCDIC (Arabisch) | |||
| 20423 | IBM423 | IBM EBCDIC (Griechisch) | |||
| 20424 | IBM424 | IBM EBCDIC (Hebräisch) | |||
| 20833 | x-EBCDIC-KoreanExtended | IBM EBCDIC (Koreanisch erweitert) | |||
| 20838 | IBM-Thailändisch | IBM EBCDIC (Thai) | |||
| 20866 | koi8-r | Kyrillisch (KOI8-R) | |||
| 20871 | IBM871 | IBM EBCDIC (Islandisch) | |||
| 20880 | IBM880 | IBM EBCDIC (Kyrillisch Russisch) | |||
| 20905 | IBM905 | IBM EBCDIC (Türkisch) | |||
| 20924 | IBM00924 | IBM Lateinisch-1 | |||
| 20932 | EUC-JP | Japanisch (JIS 0208-1990 und 0212-1990) | |||
| 20936 | x-cp20936 | Chinesisch vereinfacht (GB2312-80) | ✓ | ||
| 20949 | x-cp20949 | Koreanisches Wansung | ✓ | ||
| 21025 | cp1025 | IBM EBCDIC (Kyrillisch Serbisch-Bulgarisch) | |||
| 21866 | koi8-u | Kyrillisch (KOI8-U) | |||
| 28591 | iso-8859-1 | Westeuropäer (ISO) | ✓ | ✓ | ✓ |
| 28592 | iso-8859-2 | Mitteleuropäischer (ISO) | |||
| 28593 | iso-8859-3 | Lateinisch 3 (ISO) | |||
| 28594 | iso-8859-4 | Baltic (ISO) | |||
| 28595 | iso-8859-5 | Kyrillisch (ISO) | |||
| 28596 | iso-8859-6 | Arabisch (ISO) | |||
| 28597 | iso-8859-7 | Griechisch (ISO) | |||
| 28598 | iso-8859-8 | Hebräisch (ISO-Visual) | ✓ | ||
| 28599 | iso-8859-9 | Türkisch (ISO) | |||
| 28603 | iso-8859-13 | Estnisch (ISO) | |||
| 28605 | iso-8859-15 | Lateinisch 9 (ISO) | |||
| 29001 | x-Europa | Europa | |||
| 38598 | iso-8859-8-i | Hebräisch (ISO-logisch) | ✓ | ||
| 50220 | iso-2022-jp | Japanisch (JIS) | ✓ | ||
| 50221 | csISO2022JP | Japanisch (JIS-Allow 1 Byte Kana) | ✓ | ||
| 50222 | iso-2022-jp | Japanisch (JIS-Allow 1 Byte Kana - SO/SI) | ✓ | ||
| 50225 | iso-2022-kr | Koreanisch (ISO) | ✓ | ||
| 50227 | x-cp50227 | Chinesisch vereinfacht (ISO-2022) | ✓ | ||
| 51932 | euc-jp | Japanisch (EUC) | ✓ | ||
| 51936 | EUC-CN | Chinesisch vereinfacht (EUC) | ✓ | ||
| 51949 | euc-kr | Koreanisch (EUC) | ✓ | ||
| 52936 | hz-gb-2312 | Chinesisch vereinfacht (HZ) | ✓ | ||
| 54936 | GB18030 | Chinesisch vereinfacht (GB18030) | ✓ | ||
| 57002 | x-iscii-de | ISCII Devanagari | ✓ | ||
| 57003 | x-iscii-be | ISCII Bengali | ✓ | ||
| 57004 | x-iscii-ta | ISCII Tamil | ✓ | ||
| 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) | ✓ | ✓ | ✓ |
Im folgenden Beispiel werden die GetEncoding(Int32) codepage-Codierung für Griechisch (Windows) aufgerufen GetEncoding(String) . Sie vergleicht die Encoding von den Methodenaufrufen zurückgegebenen Objekte, um anzuzeigen, dass sie gleich sind, und zeigt dann den Unicode-Codepunkt und den entsprechenden Codeseitenwert für jedes Zeichen im griechischen Alphabet an.
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
Wenn die zu konvertierenden Daten nur in sequenziellen Blöcken (z. B. aus einem Datenstrom gelesene Daten) verfügbar sind oder die Datenmenge so groß ist, dass sie in kleinere Blöcke unterteilt werden muss, sollten Sie die Decoder oder die Encoder von der GetDecoder Methode bzw. methode bereitgestellte Methode bzw. Methode GetEncoder einer abgeleiteten Klasse verwenden.
Die UTF-16- und UTF-32-Encoder können die Groß-End-Byte-Reihenfolge (wichtigstes Byte zuerst) oder die kleine Endianbytereihenfolge (am wenigsten signifikantes Byte zuerst) verwenden. Beispielsweise wird der lateinische Großbuchstabe A (U+0041) wie folgt serialisiert (hexadezimal):
- UTF-16 Big Endian Byte Order: 00 41
- UTF-16 little endian byte order: 41 00
- UTF-32 big endian byte order: 00 00 00 00 41
- UTF-32 little endian byte order: 41 00 00 00
Im Allgemeinen ist es effizienter, Unicode-Zeichen mithilfe der systemeigenen Bytereihenfolge zu speichern. Beispielsweise ist es besser, die kleine Endian Bytereihenfolge auf kleinen endischen Plattformen wie Intel-Computern zu verwenden.
Die GetPreamble Methode ruft ein Bytearray ab, das die Bytereihenfolgemarke (BOM) enthält. Wenn diesem Bytearray ein codierter Datenstrom vorangestellt ist, hilft es dem Decoder, das verwendete Codierungsformat zu identifizieren.
Weitere Informationen zur Bytereihenfolge und zum Bytereihenfolgezeichen finden Sie auf der Unicode-Startseite im Unicode-Standard.
Beachten Sie, dass die Codierungsklassen Fehler zulassen:
- Wechseln Sie im Hintergrund zu einem "?"-Zeichen.
- Verwenden Sie ein "optimales Anpassen"-Zeichen.
- Ändern Sie ein anwendungsspezifisches Verhalten mithilfe der EncoderFallback Klassen und DecoderFallback der U+FFFD Unicode-Ersetzungszeichen.
Sie sollten eine Ausnahme für einen Datenstromfehler auslösen. Eine App verwendet entweder ein "throwonerror"-Flag, wenn zutreffend, oder verwendet die EncoderExceptionFallback klassen.DecoderExceptionFallback Am besten geeigneten Fallback wird häufig nicht empfohlen, da sie Datenverluste oder Verwirrung verursachen kann und langsamer als einfache Zeichenersetzungen ist. Bei ANSI-Codierungen ist das beste Anpassungsverhalten die Standardeinstellung.
