Compartir a través de


Clase System.Text.Encoding

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.