System.Text.Encoding-klasse
In dit artikel vindt u aanvullende opmerkingen in de referentiedocumentatie voor deze API.
De Encoding klasse vertegenwoordigt een tekencodering.
Encoding is het proces van het transformeren van een set Unicode-tekens in een reeks bytes. Decodering is daarentegen het proces van het transformeren van een reeks gecodeerde bytes in een set Unicode-tekens. Zie Character Encoding in .NET voor informatie over de Unicode Transformation Formats (UDF's) en andere coderingen die worden ondersteund door.Encoding
Encoding is bedoeld om te werken met Unicode-tekens in plaats van willekeurige binaire gegevens, zoals bytematrices. Als u willekeurige binaire gegevens in tekst moet coderen, moet u een protocol zoals uuencode gebruiken, dat wordt geïmplementeerd door methoden zoals Convert.ToBase64CharArray.
.NET biedt de volgende implementaties van de Encoding klasse ter ondersteuning van de huidige Unicode-coderingen en andere coderingen:
ASCIIEncoding Codeert Unicode-tekens als één 7-bits ASCII-tekens. Deze codering ondersteunt alleen tekenwaarden tussen U+0000 en U+007F. Codepagina 20127. Ook beschikbaar via de ASCII accommodatie.
UTF7Encoding Codeert Unicode-tekens met behulp van de UTF-7-codering. Deze codering ondersteunt alle Unicode-tekenwaarden. Codepagina 65000. Ook beschikbaar via de UTF7 accommodatie.
UTF8Encoding Codeert Unicode-tekens met behulp van de UTF-8-codering. Deze codering ondersteunt alle Unicode-tekenwaarden. Codepagina 65001. Ook beschikbaar via de UTF8 accommodatie.
UnicodeEncoding Codeert Unicode-tekens met behulp van de UTF-16-codering. Zowel little endian als big endian byte orders worden ondersteund. Ook beschikbaar via de Unicode accommodatie en de BigEndianUnicode accommodatie.
UTF32Encoding Codeert Unicode-tekens met behulp van de UTF-32-codering. Zowel little endian (codepagina 12000) als big endian (codepagina 12001) byteorders worden ondersteund. Ook beschikbaar via de UTF32 accommodatie.
De Encoding klasse is voornamelijk bedoeld om te converteren tussen verschillende coderingen en Unicode. Vaak is een van de afgeleide Unicode-klassen de juiste keuze voor uw app.
Gebruik de GetEncoding methode om andere coderingen te verkrijgen en roep de GetEncodings methode aan om een lijst met alle coderingen op te halen.
Lijst met coderingen
De volgende tabel bevat de coderingen die worden ondersteund door .NET. Hierin worden het codepaginanummer en de waarden van de coderings EncodingInfo.Name - en EncodingInfo.DisplayName eigenschappen vermeld. Een vinkje in de kolom .NET Framework-ondersteuning, .NET Core-ondersteuning of .NET 5 en hoger geeft aan dat de codepagina systeemeigen wordt ondersteund door die .NET-implementatie, ongeacht het onderliggende platform. Voor .NET Framework is de beschikbaarheid van andere coderingen in de tabel afhankelijk van het besturingssysteem. Voor .NET Core en .NET 5 en latere versies zijn andere coderingen beschikbaar met behulp van de System.Text.CodePagesEncodingProvider klasse of door de klasse af te leiden System.Text.EncodingProvider .
Notitie
Codepagina's waarvan EncodingInfo.Name de eigenschap overeenkomt met een internationale standaard voldoen niet noodzakelijkerwijs volledig aan die norm.
| Codetabel | Naam | Weergavenaam | .NET Framework-ondersteuning | .NET Core-ondersteuning | Ondersteuning voor .NET 5 en hoger |
|---|---|---|---|---|---|
| 37 | IBM037 | IBM EBCDIC (VS-Canada) | |||
| 437 | IBM437 | OEM-Verenigde Staten | |||
| 500 | IBM500 | IBM EBCDIC (Internationaal) | |||
| 708 | ASMO-708 | Arabisch (ASMO 708) | |||
| 720 | DOS-720 | Arabisch (DOS) | |||
| 737 | ibm737 | Grieks (DOS) | |||
| 775 | ibm775 | Baltic (DOS) | |||
| 850 | ibm850 | West-Europees (DOS) | |||
| 852 | ibm852 | Centraal-Europees (DOS) | |||
| 855 | IBM855 | OEM Cyrillisch | |||
| 857 | ibm857 | Turks (DOS) | |||
| 858 | IBM00858 | OEM Meertalige Latijnse I | |||
| 860 | IBM860 | Portugees (DOS) | |||
| 861 | ibm861 | IJslands (DOS) | |||
| 862 | DOS-862 | Hebreeuws (DOS) | |||
| 863 | IBM863 | Frans Canadees (DOS) | |||
| 864 | IBM864 | Arabisch (864) | |||
| 865 | IBM865 | Noords (DOS) | |||
| 866 | cp866 | Cyrillisch (DOS) | |||
| 869 | ibm869 | Grieks, modern (DOS) | |||
| 870 | IBM870 | IBM EBCDIC (meertalige Latin-2) | |||
| 874 | windows-874 | Thai (Windows) | |||
| 875 | cp875 | IBM EBCDIC (Grieks modern) | |||
| 932 | shift_jis | Japans (Shift-JIS) | |||
| 936 | gb2312 | Vereenvoudigd Chinees (GB2312) | ✓ | ||
| 949 | ks_c_5601-1987 | Koreaans | |||
| 950 | big5 | Traditioneel Chinees (Big5) | |||
| 1026 | IBM1026 | IBM EBCDIC (Turks Latijns-5) | |||
| 1047 | IBM01047 | IBM Latin-1 | |||
| 1140 | IBM01140 | IBM EBCDIC (US-Canada-Euro) | |||
| 1141 | IBM01141 | IBM EBCDIC (Duitsland-Euro) | |||
| 1142 | IBM01142 | IBM EBCDIC (Denemarken-Noorwegen-Euro) | |||
| 1143 | IBM01143 | IBM EBCDIC (Finland-Sweden-Euro) | |||
| 1144 | IBM01144 | IBM EBCDIC (Italië-Euro) | |||
| 1145 | IBM01145 | IBM EBCDIC (Spanje-Euro) | |||
| 1146 | IBM01146 | IBM EBCDIC (UK-Euro) | |||
| 1147 | IBM01147 | IBM EBCDIC (Frankrijk-Euro) | |||
| 1148 | IBM01148 | IBM EBCDIC (International-Euro) | |||
| 1149 | IBM01149 | IBM EBCDIC (IJslands-Euro) | |||
| 1200 | utf-16 | Unicode | ✓ | ✓ | ✓ |
| 1201 | unicodeFFFE | Unicode (Big endian) | ✓ | ✓ | ✓ |
| 1250 | windows-1250 | Centraal-Europees (Windows) | |||
| 1251 | windows-1251 | Cyrillisch (Windows) | |||
| 1252 | Windows-1252 | West-Europees (Windows) | ✓ | ||
| 1253 | windows-1253 | Grieks (Windows) | |||
| 1254 | windows-1254 | Turks (Windows) | |||
| 1255 | windows-1255 | Hebreeuws (Windows) | |||
| 1256 | windows-1256 | Arabisch (Windows) | |||
| 1257 | windows-1257 | Oostzee (Windows) | |||
| 1258 | windows-1258 | Vietnamees (Windows) | |||
| 1361 | Johab | Koreaans (Johab) | |||
| 10000 | Macintosh | West-Europees (Mac) | |||
| 10001 | x-mac-japans | Japans (Mac) | |||
| 10002 | x-mac-chinesetrad | Traditioneel Chinees (Mac) | |||
| 10003 | x-mac-koreaans | Koreaans (Mac) | ✓ | ||
| 10004 | x-mac-arabisch | Arabisch (Mac) | |||
| 10005 | x-mac-hebreeuws | Hebreeuws (Mac) | |||
| 10006 | x-mac-grieks | Grieks (Mac) | |||
| 10007 | x-mac-cyrillisch | Cyrillisch (Mac) | |||
| 10008 | x-mac-chinesesimp | Vereenvoudigd Chinees (Mac) | ✓ | ||
| 10010 | x-mac-roemeens | Roemeens (Mac) | |||
| 10017 | x-mac-oekraïens | Oekraïens (Mac) | |||
| 10021 | x-mac-thai | Thais (Mac) | |||
| 10029 | x-mac-ce | Centraal-Europees (Mac) | |||
| 10079 | x-mac-iJslands | IJslands (Mac) | |||
| 10081 | x-mac-turks | Turks (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 | Traditioneel Chinees (CNS) | |||
| 20001 | x-cp20001 | TCA Taiwan | |||
| 20002 | x-Chinees-Eten | Traditioneel Chinees (Eten) | |||
| 20003 | x-cp20003 | IBM5550 Taiwan | |||
| 20004 | x-cp20004 | TeleText Taiwan | |||
| 20005 | x-cp20005 | Wang Taiwan | |||
| 20105 | x-IA5 | West-Europees (IA5) | |||
| 20106 | x-IA5-Duits | Duits (IA5) | |||
| 20107 | x-IA5-Zweeds | Zweeds (IA5) | |||
| 20108 | x-IA5-Noors | Noors (IA5) | |||
| 20127 | us-ascii | US-ASCII | ✓ | ✓ | ✓ |
| 20261 | x-cp20261 | T.61 | |||
| 20269 | x-cp20269 | ISO-6937 | |||
| 20273 | IBM273 | IBM EBCDIC (Duitsland) | |||
| 20277 | IBM277 | IBM EBCDIC (Denemarken-Noorwegen) | |||
| 20278 | IBM278 | IBM EBCDIC (Finland-Zweden) | |||
| 20280 | IBM280 | IBM EBCDIC (Italië) | |||
| 20284 | IBM284 | IBM EBCDIC (Spanje) | |||
| 20285 | IBM285 | IBM EBCDIC (VK) | |||
| 20290 | IBM290 | IBM EBCDIC (Japans katakana) | |||
| 20297 | IBM297 | IBM EBCDIC (Frankrijk) | |||
| 20420 | IBM420 | IBM EBCDIC (Arabisch) | |||
| 20423 | IBM423 | IBM EBCDIC (Grieks) | |||
| 20424 | IBM424 | IBM EBCDIC (Hebreeuws) | |||
| 20833 | x-EBCDIC-KoreaansExtended | IBM EBCDIC (Koreaans Extended) | |||
| 20838 | IBM-Thais | IBM EBCDIC (Thai) | |||
| 20866 | koi8-r | Cyrillisch (KOI8-R) | |||
| 20871 | IBM871 | IBM EBCDIC (IJslands) | |||
| 20880 | IBM880 | IBM EBCDIC (Cyrillisch Russisch) | |||
| 20905 | IBM905 | IBM EBCDIC (Turks) | |||
| 20924 | IBM00924 | IBM Latin-1 | |||
| 20932 | EUC-JP | Japans (JIS 0208-1990 en 0212-1990) | |||
| 20936 | x-cp20936 | Vereenvoudigd Chinees (GB2312-80) | ✓ | ||
| 20949 | x-cp20949 | Koreaans Wansung | ✓ | ||
| 21025 | cp1025 | IBM EBCDIC (Cyrillisch Servisch-Bulgaars) | |||
| 21866 | koi8-u | Cyrillisch (KOI8-U) | |||
| 28591 | iso-8859-1 | West-Europees (ISO) | ✓ | ✓ | ✓ |
| 28592 | iso-8859-2 | Centraal-Europees (ISO) | |||
| 28593 | iso-8859-3 | Latijns 3 (ISO) | |||
| 28594 | iso-8859-4 | Oostzee (ISO) | |||
| 28595 | iso-8859-5 | Cyrillisch (ISO) | |||
| 28596 | iso-8859-6 | Arabisch (ISO) | |||
| 28597 | iso-8859-7 | Grieks (ISO) | |||
| 28598 | iso-8859-8 | Hebreeuws (ISO-visual) | ✓ | ||
| 28599 | iso-8859-9 | Turks (ISO) | |||
| 28603 | iso-8859-13 | Ests (ISO) | |||
| 28605 | iso-8859-15 | Latijns 9 (ISO) | |||
| 29001 | x-Europa | Europa | |||
| 38598 | iso-8859-8-i | Hebreeuws (ISO-logisch) | ✓ | ||
| 50220 | iso-2022-jp | Japans (JIS) | ✓ | ||
| 50221 | csISO2022JP | Japans (JIS-Allow 1 byte Kana) | ✓ | ||
| 50222 | iso-2022-jp | Japans (JIS-Allow 1 byte Kana - SO/SI) | ✓ | ||
| 50225 | iso-2022-kr | Koreaans (ISO) | ✓ | ||
| 50227 | x-cp50227 | Vereenvoudigd Chinees (ISO-2022) | ✓ | ||
| 51932 | euc-jp | Japans (EUC) | ✓ | ||
| 51936 | EUC-CN | Vereenvoudigd Chinees (EUC) | ✓ | ||
| 51949 | euc-kr | Koreaans (EUC) | ✓ | ||
| 52936 | hz-gb-2312 | Vereenvoudigd Chinees (HZ) | ✓ | ||
| 54936 | GB18030 | Vereenvoudigd Chinees (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) | ✓ | ✓ | ✓ |
In het volgende voorbeeld worden de GetEncoding(Int32) en GetEncoding(String) methoden aangeroepen om de Codering van de Griekse codepagina (Windows) op te halen. Hiermee worden de Encoding objecten vergeleken die worden geretourneerd door de methode-aanroepen om aan te geven dat ze gelijk zijn en worden vervolgens het Unicode-codepunt en de bijbehorende codepaginawaarde weergegeven voor elk teken in het Griekse alfabet.
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
Als de gegevens die moeten worden geconverteerd, alleen beschikbaar zijn in opeenvolgende blokken (zoals gegevens die uit een stroom worden gelezen) of als de hoeveelheid gegevens zo groot is dat deze moet worden onderverdeeld in kleinere blokken, moet u respectievelijk de DecoderEncoderGetDecoder methode of de methode of de GetEncoder methode van een afgeleide klasse gebruiken.
De UTF-16 en de UTF-32-encoders kunnen de grote endiane bytevolgorde (meest significante byte eerst) of de kleine endian bytevolgorde (minst significante byte eerst) gebruiken. De Latijnse hoofdletter A (U+0041) wordt bijvoorbeeld als volgt geserialiseerd (in hexadecimaal):
- 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 41
- UTF-32 little endian byte order: 41 00 00 00
Het is over het algemeen efficiënter om Unicode-tekens op te slaan met behulp van de systeemeigen bytevolgorde. Het is bijvoorbeeld beter om de bytevolgorde little endian te gebruiken op little endian-platforms, zoals Intel-computers.
Met de GetPreamble methode wordt een matrix van bytes opgehaald die het bytevolgordemarkering (BOM) bevat. Als deze bytematrix wordt voorafgegaan door een gecodeerde stream, helpt deze de decoder om de gebruikte coderingsindeling te identificeren.
Zie De Unicode-standaard op de startpagina van Unicode voor meer informatie over bytevolgorde en het bytevolgordeteken.
Houd er rekening mee dat in de coderingsklassen fouten zijn toegestaan voor:
- Wijzig op de achtergrond in een '?'-teken.
- Gebruik een 'best fit'-teken.
- Wijzig in een toepassingsspecifiek gedrag door gebruik te maken van de EncoderFallback en DecoderFallback klassen met het vervangende U+FFFD Unicode-teken.
U moet een uitzondering genereren voor een gegevensstroomfout. Een app gebruikt een vlag 'throwonerror' indien van toepassing of gebruikt de EncoderExceptionFallback en DecoderExceptionFallback klassen. Het beste passend terugval wordt vaak niet aanbevolen omdat het gegevensverlies of verwarring kan veroorzaken en langzamer is dan eenvoudige tekenvervangingen. Voor ANSI-coderingen is het meest geschikte gedrag de standaardinstelling.
