Udostępnij za pośrednictwem


System.Text.Encoding, klasa

Ten artykuł zawiera dodatkowe uwagi dotyczące dokumentacji referencyjnej dla tego interfejsu API.

Klasa Encoding reprezentuje kodowanie znaków.

Kodowanie to proces przekształcania zestawu znaków Unicode w sekwencję bajtów. Z kolei dekodowanie to proces przekształcania sekwencji zakodowanych bajtów w zestaw znaków Unicode. Aby uzyskać informacje na temat formatów transformacji Unicode (UTFs) i innych kodowań obsługiwanych przez Encodingprogram , zobacz Kodowanie znaków na platformie .NET.

Encoding program ma obsługiwać znaki Unicode zamiast dowolnych danych binarnych, takich jak tablice bajtów. Jeśli musisz zakodować dowolne dane binarne do tekstu, należy użyć protokołu takiego jak uuencode, który jest implementowany za pomocą metod, takich jak Convert.ToBase64CharArray.

Platforma .NET udostępnia następujące implementacje klasy do obsługi bieżących Encoding kodowań Unicode i innych kodowań:

  • ASCIIEncoding koduje znaki Unicode jako pojedyncze 7-bitowe znaki ASCII. To kodowanie obsługuje tylko wartości znaków między U+0000 a U+007F. Strona kodowa 20127. Dostępne również za pośrednictwem ASCII właściwości .

  • UTF7Encoding koduje znaki Unicode przy użyciu kodowania UTF-7. To kodowanie obsługuje wszystkie wartości znaków Unicode. Strona kodowa 65000. Dostępne również za pośrednictwem UTF7 właściwości .

  • UTF8Encoding koduje znaki Unicode przy użyciu kodowania UTF-8. To kodowanie obsługuje wszystkie wartości znaków Unicode. Strona kodowa 65001. Dostępne również za pośrednictwem UTF8 właściwości .

  • UnicodeEncoding koduje znaki Unicode przy użyciu kodowania UTF-16. Obsługiwane są zarówno małe zamówienia bajtów endian, jak i big endian. Dostępne również za pośrednictwem Unicode właściwości i BigEndianUnicode właściwości.

  • UTF32Encoding koduje znaki Unicode przy użyciu kodowania UTF-32. Obsługiwane są zarówno małe endian (strona kodowa 12000) i big endian (strona kodowa 12001). Dostępne również za pośrednictwem UTF32 właściwości .

Klasa jest przeznaczona Encoding przede wszystkim do konwersji między różnymi kodowaniami i Unicode. Często jedna z pochodnych klas Unicode jest właściwym wyborem dla aplikacji.

GetEncoding Użyj metody , aby uzyskać inne kodowanie, i wywołaj GetEncodings metodę , aby uzyskać listę wszystkich kodowań.

Lista kodowań

W poniższej tabeli wymieniono kodowanie obsługiwane przez platformę .NET. Wyświetla on listę numerów stron kodowych poszczególnych kodowań oraz wartości właściwości i EncodingInfo.DisplayName kodowaniaEncodingInfo.Name. Znacznik wyboru w kolumnie obsługa platformy .NET Framework, obsługa platformy .NET Core lub .NET 5 i nowszej wersji wskazuje, że strona kodowa jest natywnie obsługiwana przez tę implementację platformy .NET, niezależnie od platformy bazowej. W przypadku programu .NET Framework dostępność innych kodowań wymienionych w tabeli zależy od systemu operacyjnego. W przypadku platform .NET Core i .NET 5 i nowszych wersji inne kodowania są dostępne przy użyciu System.Text.CodePagesEncodingProvider klasy lub przez wyprowadzanie z System.Text.EncodingProvider klasy.

Uwaga

Strony kodowe, których EncodingInfo.Name właściwość odpowiada standardowi międzynarodowemu, nie muszą być w pełni zgodne z tym standardem.

Strona kodowa Imię i nazwisko/nazwa Display name Obsługa programu .NET Framework Obsługa platformy .NET Core Obsługa platformy .NET 5 lub nowszej
37 IBM037 IBM EBCDIC (USA-Kanada)
437 IBM437 Stany Zjednoczone OEM
500 IBM500 IBM EBCDIC (międzynarodowy)
708 ASMO-708 Arabski (ASMO 708)
720 DOS-720 Arabski (DOS)
737 ibm737 Grecki (DOS)
775 ibm775 Bałtycki (DOS)
850 ibm850 Europa Zachodnia (DOS)
852 ibm852 Europa Środkowa (DOS)
855 IBM855 Cyrylica OEM
857 ibm857 Turecki (DOS)
858 IBM00858 Wielojęzyczny język łaciński I OEM
860 IBM860 Portugalski (DOS)
861 ibm861 Islandzka (DOS)
862 DOS-862 Hebrajski (DOS)
863 IBM863 Francuski Kanadyjczyk (DOS)
864 IBM864 Arabski (864)
865 IBM865 Nordycka (DOS)
866 cp866 Cyrylica (DOS)
869 ibm869 Grecki, nowoczesny (DOS)
870 IBM870 IBM EBCDIC (wielojęzyczny łaciński-2)
874 windows-874 Tajski (Windows)
875 cp875 IBM EBCDIC (grecki nowoczesny)
932 shift_jis Japoński (Shift-JIS)
936 gb2312 Chiński uproszczony (GB2312)
949 ks_c_5601-1987 Koreański
950 big5 Chiński tradycyjny (Big5)
1026 IBM1026 IBM EBCDIC (turecki łaciński-5)
1047 IBM01047 IBM Latin-1
1140 IBM01140 IBM EBCDIC (USA-Kanada-Euro)
1141 IBM01141 IBM EBCDIC (Niemcy-Euro)
1142 IBM01142 IBM EBCDIC (Dania-Norwegia-Euro)
1143 IBM01143 IBM EBCDIC (Finlandia-Szwecja-Euro)
1144 IBM01144 IBM EBCDIC (Włochy-Euro)
1145 IBM01145 IBM EBCDIC (Hiszpania-Euro)
1146 IBM01146 IBM EBCDIC (Wielka Brytania-Euro)
1147 IBM01147 IBM EBCDIC (Francja-Euro)
1148 IBM01148 IBM EBCDIC (Euro międzynarodowe)
1149 IBM01149 IBM EBCDIC (Islandic-Euro)
1200 utf-16 Unicode
1201 unicodeFFFE Unicode (Big endian)
1250 windows-1250 Europa Środkowa (Windows)
1251 windows-1251 Cyrylica (Windows)
1252 Windows-1252 Europa Zachodnia (Windows)
1253 windows-1253 Grecki (Windows)
1254 windows-1254 Turecki (Windows)
1255 windows-1255 Hebrajski (Windows)
1256 windows-1256 Arabski (Windows)
1257 windows-1257 Bałtycki (Windows)
1258 windows-1258 Wietnamski (Windows)
1361 Johab Koreański (Johab)
10 000 Macintosh Europa Zachodnia (Mac)
10001 x-mac-japoński Japoński (Mac)
10002 x-mac-chinesetrad Chiński tradycyjny (Mac)
10003 x-mac-koreański Koreański (Mac)
10004 x-mac-arabski Arabski (Mac)
10005 x-mac-hebrajski Hebrajski (Mac)
10006 x-mac-grecki Grecki (Mac)
10007 x-mac-cyrylica Cyrylica (Mac)
10008 x-mac-chinesesimp Chiński uproszczony (Mac)
10010 x-mac-rumuński Rumuński (Mac)
10017 x-mac-ukraiński Ukraiński (Mac)
10021 x-mac-thai Tajski (Mac)
10029 x-mac-ce Europa Środkowa (Mac)
10079 x-mac-islandia Islandia (Mac)
10081 x-mac-turkish Turecki (Mac)
10082 x-mac-chorwacki Chorwacki (Mac)
12000 utf-32 Unicode (UTF-32)
12001 utf-32BE Unicode (UTF-32 Big endian)
20000 x-Chinese-CNS Chiński tradycyjny (CNS)
20001 x-cp20001 TCA Tajwan
20002 x-Chinese-Eten Chiński tradycyjny (Eten)
20003 x-cp20003 IBM5550 Tajwanie
20004 x-cp20004 TeleText Tajwan
20005 x-cp20005 Wang Tajwan
20105 x-IA5 Europa Zachodnia (IA5)
20106 x-IA5-German Niemiecki (IA5)
20107 x-IA5-Szwedzki Szwedzki (IA5)
20108 x-IA5-Norweski Norweski (IA5)
20127 us-ascii US-ASCII
20261 x-cp20261 T.61
20269 x-cp20269 ISO-6937
20273 IBM273 IBM EBCDIC (Niemcy)
20277 IBM277 IBM EBCDIC (Dania-Norwegia)
20278 IBM278 IBM EBCDIC (Finlandia-Szwecja)
20280 IBM280 IBM EBCDIC (Włochy)
20284 IBM284 IBM EBCDIC (Hiszpania)
20285 IBM285 IBM EBCDIC (Wielka Brytania)
20290 IBM290 IBM EBCDIC (japoński katakana)
20297 IBM297 IBM EBCDIC (Francja)
20420 IBM420 IBM EBCDIC (arabski)
20423 IBM423 IBM EBCDIC (grecki)
20424 IBM424 IBM EBCDIC (hebrajski)
20833 x-EBCDIC-KoreanExtended IBM EBCDIC (koreański rozszerzony)
20838 IBM-Thai IBM EBCDIC (tajski)
20866 koi8-r Cyrylica (KOI8-R)
20871 IBM871 IBM EBCDIC (Islandia)
20880 IBM880 IBM EBCDIC (cyrylica rosyjska)
20905 IBM905 IBM EBCDIC (turecki)
20924 IBM00924 IBM Latin-1
20932 EUC-JP Japoński (JIS 0208-1990 i 0212-1990)
20936 x-cp20936 Chiński uproszczony (GB2312-80)
20949 x-cp20949 Koreański Wansung
21025 cp1025 IBM EBCDIC (cyrylica serbski-bułgarski)
21866 koi8-u Cyrylica (KOI8-U)
28591 iso-8859-1 Europa Zachodnia (ISO)
28592 iso-8859-2 Europa Środkowa (ISO)
28593 iso-8859-3 Łaciński 3 (ISO)
28594 iso-8859-4 Bałtycki (ISO)
28595 iso-8859-5 Cyrylica (ISO)
28596 iso-8859-6 Arabski (ISO)
28597 iso-8859-7 Grecki (ISO)
28598 iso-8859-8 Hebrajski (ISO-Visual)
28599 iso-8859-9 Turecki (ISO)
28603 iso-8859-13 Estoński (ISO)
28605 iso-8859-15 Łaciński 9 (ISO)
29001 x-Europa Europa
38598 iso-8859-8-i Hebrajski (ISO-Logical)
50220 iso-2022-jp Japoński (JIS)
50221 csISO2022JP Japoński (JIS-Allow 1 bajt Kana)
50222 iso-2022-jp Japoński (JIS-Allow 1 bajt Kana — SO/SI)
50225 iso-2022-kr Koreański (ISO)
50227 x-cp50227 Chiński uproszczony (ISO-2022)
51932 euc-jp Japoński (EUC)
51936 EUC-CN Chiński uproszczony (EUC)
51949 euc-kr Koreański (EUC)
52936 Hz-gb-2312 Chiński uproszczony (HZ)
54936 GB18030 Chiński uproszczony (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)

Poniższy przykład wywołuje GetEncoding(Int32) metody i GetEncoding(String) w celu pobrania kodowania strony kodowej greckiej (Windows). Porównuje obiekty zwracane przez wywołania metody, aby pokazać, że są one równe, a następnie mapuje Encoding wyświetla punkt kodu Unicode i odpowiednią wartość strony kodowej dla każdego znaku w alfabetu greckiego.

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

Jeśli dane do przekonwertowania są dostępne tylko w blokach sekwencyjnych (takich jak dane odczytane ze strumienia) lub jeśli ilość danych jest tak duża, że należy ją podzielić na mniejsze bloki, należy użyć Decoder metody lub Encoder dostarczonej przez GetDecoder metodę lub GetEncoder metodę, odpowiednio, klasy pochodnej.

Kodery UTF-16 i UTF-32 mogą używać kolejności bajtów big endian (po pierwsze najważniejsze bajty) lub małej kolejności bajtów endian (najmniej znaczący bajt pierwszy). Na przykład wielka litera A (U+0041) jest serializowana w następujący sposób (w szesnastkowym):

  • UTF-16 big endian byte order: 00 41
  • UTF-16 mała kolejność bajtów endian: 41 00
  • UTF-32 big endian byte order: 00 00 00 41
  • UTF-32 mała kolejność bajtów endian: 41 00 00 00

Ogólnie bardziej wydajne jest przechowywanie znaków Unicode przy użyciu natywnej kolejności bajtów. Na przykład lepiej użyć małej kolejności bajtów endian na małych platformach endian, takich jak komputery Intel.

Metoda GetPreamble pobiera tablicę bajtów, która zawiera znak kolejności bajtów (BOM). Jeśli ta tablica bajtów jest poprzedzona zakodowanym strumieniem, pomaga dekoderowi zidentyfikować używany format kodowania.

Aby uzyskać więcej informacji na temat kolejności bajtów i znacznika kolejności bajtów, zobacz Standard Unicode na stronie głównej Unicode.

Należy pamiętać, że klasy kodowania zezwalają na błędy:

  • Dyskretna zmiana na znak "?".
  • Użyj znaku "najlepsze dopasowanie".
  • Przejdź do zachowania specyficznego EncoderFallback dla aplikacji, używając klas i DecoderFallback z znakiem zastępczym U+FFFD Unicode.

Należy zgłosić wyjątek dotyczący dowolnego błędu strumienia danych. Aplikacja używa flagi "throwonerror", jeśli ma zastosowanie lub używa EncoderExceptionFallback klas i DecoderExceptionFallback . Najlepsze dopasowanie rezerwowe jest często nie zalecane, ponieważ może to spowodować utratę lub zamieszanie danych i jest wolniejsze niż proste zamiany znaków. W przypadku kodowań ANSI najlepszym rozwiązaniem jest zachowanie domyślne.