Clase System.Text.Encoding

Artículo
11/01/2024

En este artículo se proporcionan comentarios adicionales a la documentación de referencia de esta API.

La clase Encoding representa una codificación de caracteres.

Codificar es el proceso de transformar un conjunto de caracteres Unicode en una secuencia de bytes. En cambio, la descodificación es el proceso de transformar una secuencia de bytes codificados en un conjunto de caracteres Unicode. Para obtener información sobre los formatos de transformación Unicode (UTFs) y otras codificaciones admitidas por Encoding, vea Codificación de caracteres en .NET.

Encoding está diseñado para funcionar en caracteres Unicode en lugar de datos binarios arbitrarios, como matrices de bytes. Si debe codificar datos binarios arbitrarios en texto, debe usar un protocolo como uuencode, que se implementa mediante métodos como Convert.ToBase64CharArray.

.NET proporciona las siguientes implementaciones de la Encoding clase para admitir codificaciones Unicode actuales y otras codificaciones:

ASCIIEncoding codifica caracteres Unicode como caracteres ASCII de 7 bits únicos. Esta codificación solo admite valores de caracteres entre U+0000 y U+007F. Página de códigos 20127. También está disponible a través de la ASCII propiedad .
UTF7Encoding codifica caracteres Unicode mediante la codificación UTF-7. Esta codificación admite todos los valores de caracteres Unicode. Página de códigos 65000. También está disponible a través de la UTF7 propiedad .
UTF8Encoding codifica caracteres Unicode mediante la codificación UTF-8. Esta codificación admite todos los valores de caracteres Unicode. Página de códigos 65001. También está disponible a través de la UTF8 propiedad .
UnicodeEncoding codifica caracteres Unicode mediante la codificación UTF-16. Se admiten los pedidos de bytes little endian y big endian. También está disponible a través de la Unicode propiedad y la BigEndianUnicode propiedad .
UTF32Encoding codifica caracteres Unicode mediante la codificación UTF-32. Se admiten los pedidos de bytes little endian (página de códigos 12000) y big endian (página de códigos 12001). También está disponible a través de la UTF32 propiedad .

La Encoding clase está pensada principalmente para convertir entre diferentes codificaciones y Unicode. A menudo, una de las clases Unicode derivadas es la opción correcta para la aplicación.

Use el GetEncoding método para obtener otras codificaciones y llame al GetEncodings método para obtener una lista de todas las codificaciones.

Lista de codificaciones

En la tabla siguiente se enumeran las codificaciones admitidas por .NET. Enumera el número de página de códigos de cada codificación y los valores de las propiedades y EncodingInfo.DisplayName de la codificaciónEncodingInfo.Name. Una marca de verificación en la compatibilidad con .NET Framework, la compatibilidad con .NET Core o .NET 5 y versiones posteriores indica que la página de códigos es compatible de forma nativa con esa implementación de .NET, independientemente de la plataforma subyacente. Para .NET Framework, la disponibilidad de otras codificaciones enumeradas en la tabla depende del sistema operativo. Para .NET Core y .NET 5 y versiones posteriores, hay otras codificaciones disponibles mediante la System.Text.CodePagesEncodingProvider clase o derivando de la System.Text.EncodingProvider clase .

Nota

Las páginas de códigos cuya EncodingInfo.Name propiedad corresponde a un estándar internacional no cumplen necesariamente con ese estándar.

Página de códigos	Nombre	Nombre para mostrar	Compatibilidad con .NET Framework	Compatibilidad de .NET Core	Compatibilidad con .NET 5 y versiones posteriores
37	IBM037	IBM EBCDIC (US-Canada)
437	IBM437	Estados Unidos oem
500	IBM500	IBM EBCDIC (Internacional)
708	ASMO-708	Árabe (ASMO 708)
720	DOS-720	Árabe (DOS)
737	ibm737	Griego (DOS)
775	ibm775	Báltico (DOS)
850	ibm850	Europa occidental (DOS)
852	ibm852	Europa Central (DOS)
855	IBM855	Cirílico oem
857	ibm857	Turco (DOS)
858	IBM00858	OEM multilingüe I
860	IBM860	Portugués (DOS)
861	ibm861	Islandés (DOS)
862	DOS-862	Hebreo (DOS)
863	IBM863	Francés canadiense (DOS)
864	IBM864	Árabe (864)
865	IBM865	Nórdica (DOS)
866	cp866	Cirílico (DOS)
869	ibm869	Griego, Moderno (DOS)
870	IBM870	IBM EBCDIC (Latin-2 multilingüe)
874	windows-874	Tailandés (Windows)
875	cp875	IBM EBCDIC (griego moderno)
932	shift_jis	Japonés (Shift-JIS)
936	gb2312	Chino simplificado (GB2312)	✓
949	ks_c_5601-1987	Coreano
950	big5	Chino tradicional (Big5)
1026	IBM1026	IBM EBCDIC (Turco Latino-5)
1047	IBM01047	IBM Latin-1
1140	IBM01140	IBM EBCDIC (US-Canada-Euro)
1141	IBM01141	IBM EBCDIC (Alemania-Euro)
1142	IBM01142	IBM EBCDIC (Dinamarca-Noruega-Euro)
1143	IBM01143	IBM EBCDIC (Finlandia-Suecia-Euro)
1144	IBM01144	IBM EBCDIC (Italia-Euro)
1145	IBM01145	IBM EBCDIC (España-Euro)
1146	IBM01146	IBM EBCDIC (Uk-Euro)
1147	IBM01147	IBM EBCDIC (Francia-Euro)
1148	IBM01148	IBM EBCDIC (Internacional-Euro)
1149	IBM01149	IBM EBCDIC (Islandia-Euro)
1200	utf-16	Unicode	✓	✓	✓
1201	unicodeFFFE	Unicode (Big endian)	✓	✓	✓
1250	windows-1250	Europa Central (Windows)
1251	windows-1251	Cirílico (Windows)
1252	Windows-1252	Europeo occidental (Windows)	✓
1253	windows-1253	Griego (Windows)
1254	windows-1254	Turco (Windows)
1255	windows-1255	Hebreo (Windows)
1256	windows-1256	Árabe (Windows)
1257	windows-1257	Báltico (Windows)
1258	windows-1258	Vietnamita (Windows)
1361	Johab	Coreano (Johab)
10 000	Macintosh	Europa occidental (Mac)
10001	x-mac-japanese	Japonés (Mac)
10002	x-mac-chinesetrad	Chino tradicional (Mac)
10003	x-mac-korean	Coreano (Mac)	✓
10004	x-mac-árabe	Árabe (Mac)
10005	x-mac-hebreo	Hebreo (Mac)
10006	x-mac-greek	Griego (Mac)
10007	x-mac-cyrillic	Cirílico (Mac)
10008	x-mac-chinesesimp	Chino simplificado (Mac)	✓
10010	x-mac-rumana	Rumano (Mac)
10017	x-mac-ucrania	Ucrania (Mac)
10021	x-mac-thai	Tailandés (Mac)
10029	x-mac-ce	Europa Central (Mac)
10079	x-mac-islandic	Islandés (Mac)
10081	x-mac-turkish	Turco (Mac)
10082	x-mac-croata	Croata (Mac)
12000	utf-32	Unicode (UTF-32)	✓	✓	✓
12001	utf-32BE	Unicode (UTF-32 Big endian)	✓	✓	✓
20000	x-chinese-CNS	Chino tradicional (CNS)
20001	x-cp20001	TCA Taiwán
20002	x-chinese-Eten	Chino tradicional (Eten)
20003	x-cp20003	IBM5550 Taiwán
20004	x-cp20004	Teletext Taiwán
20005	x-cp20005	Wang Taiwán
20105	x-IA5	Europa occidental (IA5)
20106	x-IA5-german	Alemán (IA5)
20107	x-IA5-sueco	Sueco (IA5)
20108	x-IA5-Noruego	Noruego (IA5)
20127	us-ascii	US-ASCII	✓	✓	✓
20261	x-cp20261	T.61
20269	x-cp20269	ISO-6937
20273	IBM273	IBM EBCDIC (Alemania)
20277	IBM277	IBM EBCDIC (Dinamarca-Noruega)
20278	IBM278	IBM EBCDIC (Finlandia-Suecia)
20280	IBM280	IBM EBCDIC (Italia)
20284	IBM284	IBM EBCDIC (España)
20285	IBM285	IBM EBCDIC (Reino Unido)
20290	IBM290	IBM EBCDIC (katakana japonés)
20297	IBM297	IBM EBCDIC (Francia)
20420	IBM420	IBM EBCDIC (árabe)
20423	IBM423	IBM EBCDIC (griego)
20424	IBM424	IBM EBCDIC (hebreo)
20833	x-EBCDIC-KoreanExtended	IBM EBCDIC (coreano extendido)
20838	IBM-Thai	IBM EBCDIC (tailandés)
20866	koi8-r	Cirílico (KOI8-R)
20871	IBM871	IBM EBCDIC (Islandés)
20880	IBM880	IBM EBCDIC (cirílico ruso)
20905	IBM905	IBM EBCDIC (turco)
20924	IBM00924	IBM Latin-1
20932	EUC-JP	Japonés (JIS 0208-1990 y 0212-1990)
20936	x-cp20936	Chino simplificado (GB2312-80)	✓
20949	x-cp20949	Wansung coreano	✓
21025	cp1025	IBM EBCDIC (Cirílico Serbio-Búlgaro)
21866	koi8-u	Cirílico (KOI8-U)
28591	iso-8859-1	Europa occidental (ISO)	✓	✓	✓
28592	iso-8859-2	Europa Central (ISO)
28593	iso-8859-3	Latin 3 (ISO)
28594	iso-8859-4	Báltico (ISO)
28595	iso-8859-5	Cirílico (ISO)
28596	iso-8859-6	Árabe (ISO)
28597	iso-8859-7	Griego (ISO)
28598	iso-8859-8	Hebreo (ISO-Visual)	✓
28599	iso-8859-9	Turco (ISO)
28603	iso-8859-13	Estonio (ISO)
28605	iso-8859-15	Latino 9 (ISO)
29001	x-Europa	Europa
38598	iso-8859-8-i	Hebreo (ISO-lógico)	✓
50220	iso-2022-jp	Japonés (JIS)	✓
50221	csISO2022JP	Japonés (JIS-Allow 1 byte Kana)	✓
50222	iso-2022-jp	Japonés (JIS-Allow 1 byte Kana - SO/SI)	✓
50225	iso-2022-kr	Coreano (ISO)	✓
50227	x-cp50227	Chino simplificado (ISO-2022)	✓
51932	euc-jp	Japonés (EUC)	✓
51936	EUC-CN	Chino simplificado (EUC)	✓
51949	euc-kr	Coreano (EUC)	✓
52936	hz-gb-2312	Chino simplificado (HZ)	✓
54936	GB18030	Chino simplificado (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)	✓	✓	✓

En el ejemplo siguiente se llama a los GetEncoding(Int32) métodos y GetEncoding(String) para obtener la codificación de la página de códigos griega (Windows). Compara los Encoding objetos devueltos por las llamadas al método para mostrar que son iguales y, a continuación, asigna el punto de código Unicode y el valor de página de códigos correspondiente para cada carácter del alfabeto griego.

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

Si los datos que se van a convertir solo están disponibles en bloques secuenciales (como los datos leídos de una secuencia) o si la cantidad de datos es tan grande que debe dividirse en bloques más pequeños, debe usar o Decoder el Encoder proporcionado por el GetDecoder método o el GetEncoder método, respectivamente, de una clase derivada.

Los codificadores UTF-16 y UTF-32 pueden usar el orden de bytes big endian (primero el byte más significativo) o el orden de bytes poco endian (byte menos significativo primero). Por ejemplo, la letra mayúscula latina A (U+0041) se serializa de la siguiente manera (en hexadecimal):

Orden de bytes de UTF-16 big endian: 00 41
Orden de bytes de UTF-16 little endian: 41 00
Orden de bytes de UTF-32 big endian: 00 00 00 41
Orden de bytes de UTF-32 little endian: 41 00 00 00

Por lo general, es más eficaz almacenar caracteres Unicode mediante el orden de bytes nativo. Por ejemplo, es mejor usar el orden de bytes little endian en plataformas poco endian, como equipos Intel.

El GetPreamble método recupera una matriz de bytes que incluye la marca de orden de bytes (BOM). Si esta matriz de bytes tiene como prefijo una secuencia codificada, ayuda al descodificador a identificar el formato de codificación usado.

Para obtener más información sobre el orden de bytes y la marca de orden de bytes, vea El estándar Unicode en la página principal de Unicode.

Tenga en cuenta que las clases de codificación permiten que los errores:

Cambie silenciosamente a un carácter "?".
Usa un carácter de "mejor ajuste".
Cambie a un comportamiento específico de la aplicación mediante el uso de las EncoderFallback clases y DecoderFallback con el carácter de reemplazo Unicode de U+FFFD.

Debe producir una excepción en cualquier error de flujo de datos. Una aplicación usa una marca "throwonerror" cuando sea aplicable o usa las EncoderExceptionFallback clases y DecoderExceptionFallback . A menudo no se recomienda la mejor reserva de ajuste, ya que puede causar pérdida de datos o confusión y es más lento que los reemplazos de caracteres simples. En el caso de las codificaciones ANSI, el mejor comportamiento de ajuste es el predeterminado.

Compartir a través de

Clase System.Text.Encoding

Lista de codificaciones

Recursos adicionales