Compartilhar via


System.Text.Encoding classe

Este artigo fornece observações complementares à documentação de referência para essa API.

A classe Encoding representa uma codificação de caracteres.

A codificação é o processo de transformar um conjunto de caracteres Unicode em uma sequência de bytes. Por outro lado, a decodificação é o processo de transformar uma sequência de bytes codificados em um conjunto de caracteres Unicode. Para obter informações sobre os formatos de transformação Unicode (UTFs) e outras codificações suportadas pelo Encoding, consulte Codificação de caracteres no .NET.

Encoding destina-se a operar em caracteres Unicode em vez de dados binários arbitrários, como matrizes de bytes. Se você deve codificar dados binários arbitrários em texto, você deve usar um protocolo como uuencode, que é implementado por métodos como Convert.ToBase64CharArray.

O .NET fornece as seguintes implementações da Encoding classe para oferecer suporte a codificações Unicode atuais e outras codificações:

  • ASCIIEncoding codifica caracteres Unicode como caracteres ASCII únicos de 7 bits. Essa codificação só oferece suporte a valores de caracteres entre U+0000 e U+007F. Página de código 20127. Também disponível através da ASCII propriedade.

  • UTF7Encoding codifica caracteres Unicode usando a codificação UTF-7. Essa codificação oferece suporte a todos os valores de caracteres Unicode. Página de código 65000. Também disponível através da UTF7 propriedade.

  • UTF8Encoding codifica caracteres Unicode usando a codificação UTF-8. Essa codificação oferece suporte a todos os valores de caracteres Unicode. Página de código 65001. Também disponível através da UTF8 propriedade.

  • UnicodeEncoding codifica caracteres Unicode usando a codificação UTF-16. As ordens de bytes little endian e big endian são suportadas. Também disponível através da propriedade e da UnicodeBigEndianUnicode propriedade.

  • UTF32Encoding codifica caracteres Unicode usando a codificação UTF-32. As ordens de bytes little endian (página de código 12000) e big endian (página de código 12001) são suportadas. Também disponível através da UTF32 propriedade.

A Encoding classe destina-se principalmente a converter entre codificações diferentes e Unicode. Muitas vezes, uma das classes Unicode derivadas é a escolha correta para seu aplicativo.

Use o método para obter outras codificações e chame o GetEncodingGetEncodings método para obter uma lista de todas as codificações.

Lista de codificações

A tabela a seguir lista as codificações suportadas pelo .NET. Ele lista o número da página de código de cada codificação e os valores da codificação EncodingInfo.Name e EncodingInfo.DisplayName propriedades. Uma marca de seleção na coluna de suporte do .NET Framework, suporte do .NET Core ou suporte do .NET 5 e posterior indica que a página de código é suportada nativamente por essa implementação do .NET, independentemente da plataforma subjacente. Para o .NET Framework, a disponibilidade de outras codificações listadas na tabela depende do sistema operacional. Para .NET Core e .NET 5 e versões posteriores, outras codificações estão disponíveis usando a System.Text.CodePagesEncodingProvider classe ou derivando da System.Text.EncodingProvider classe.

Observação

As páginas de código cuja EncodingInfo.Name propriedade corresponde a uma norma internacional não estão necessariamente em conformidade total com essa norma.

Página de código Nome Nome de exibição Suporte ao .NET Framework Suporte do .NET Core Suporte ao .NET 5 e posterior
37 IBM037 IBM EBCDIC (EUA-Canadá)
437 IBM437 OEM Estados Unidos
500 IBM500 IBM EBCDIC (Internacional)
708 ASMO-708 Árabe (ASMO 708)
720 DOS-720 Árabe (DOS)
737 IBM737 Grego (DOS)
775 IBM775 Báltico (DOS)
850 IBM 850 Europa Ocidental (DOS)
852 IBM852 Europa Central (DOS)
855 IBM855 OEM cirílico
857 IBM857 Turco (DOS)
858 IBM00858 OEM Latim Multilingue I
860 IBM860 Português (DOS)
861 IBM861 Islandês (DOS)
862 DOS-862 Hebraico (DOS)
863 IBM863 Francês Canadense (DOS)
864 IBM864 Árabe (864)
865 IBM865 Nórdico (DOS)
866 cp866 Cirílico (DOS)
869 IBM869 Grego, Moderno (DOS)
870 IBM870 IBM EBCDIC (Latim Multilingue-2)
874 janelas-874 Tailandês (Windows)
875 CP875 IBM EBCDIC (Grego Moderno)
932 shift_jis Japonês (Shift-JIS)
936 gb2312 Chinês simplificado (GB2312)
949 ks_c_5601-1987 Coreano
950 big5 Chinês Tradicional (Big5)
1026 IBM1026 IBM EBCDIC (Latim turco-5)
1047 IBM01047 IBM Latin-1
1140 IBM01140 IBM EBCDIC (EUA-Canadá-Euro)
1141 IBM01141 IBM EBCDIC (Alemanha-Euro)
1142 IBM01142 IBM EBCDIC (Dinamarca-Noruega-Euro)
1143 IBM01143 IBM EBCDIC (Finlândia-Suécia-Euro)
1144 IBM01144 IBM EBCDIC (Itália-Euro)
1145 IBM01145 IBM EBCDIC (Espanha-Euro)
1146 IBM01146 IBM EBCDIC (UK-Euro)
1147 IBM01147 IBM EBCDIC (França-Euro)
1148 IBM01148 IBM EBCDIC (Internacional-Euro)
1149 IBM01149 IBM EBCDIC (islandês-euro)
1200 UTF-16 Unicode
1201 unicodeFFFE Unicode (Big endian)
1250 janelas-1250 Europa Central (Windows)
1251 janelas-1251 Cirílico (Windows)
1252 Windows-1252 Oeste da Europa (Windows)
1253 janelas-1253 Grego (Windows)
1254 janelas-1254 Turco (Windows)
1255 janelas-1255 Hebraico (Windows)
1256 janelas-1256 Árabe (Windows)
1257 janelas-1257 Báltico (Windows)
1258 janelas-1258 Vietnamita (Windows)
1361 Joabe Coreano (Johab)
10000 Macintosh Europa Ocidental (Mac)
10001 x-mac-japonês Japonês (Mac)
10002 X-Mac-Chinesetrad Chinês Tradicional (Mac)
10003 x-mac-coreano Coreano (Mac)
10004 x-mac-árabe Árabe (Mac)
10005 x-mac-hebraico Hebraico (Mac)
10006 x-mac-grego Grego (Mac)
10007 x-mac-cirílico Cirílico (Mac)
10008 x-mac-chinesesimp Chinês simplificado (Mac)
10010 x-mac-romeno Romeno (Mac)
10017 x-mac-ucraniano Ucraniano (Mac)
10021 X-Mac-Tailandês Tailandês (Mac)
10029 X-Mac-CE Europa Central (Mac)
10079 X-Mac-Islandês Islandês (Mac)
10081 x-mac-turco Turco (Mac)
10082 x-mac-croata Croata (Mac)
12000 UTF-32 Unicode (UTF-32)
12001 utf-32BE Unicode (UTF-32 Big endian)
20000 x-Chinês-CNS Chinês Tradicional (CNS)
20001 x-cp20001 TCA Taiwan
20002 x-Chinês-Eten Chinês Tradicional (Eten)
20003 x-cp20003 IBM5550 Taiwan
20004 x-cp20004 TeleText Taiwan
20005 x-cp20005 Wang Taiwan
20105 x-IA5 Europa Ocidental (IA5)
20106 x-IA5-Alemão Alemão (IA5)
20107 x-IA5-Sueco Sueco (IA5)
20108 x-IA5-Norueguês Norueguês (IA5)
20127 EUA-ASCII EUA-ASCII
20261 x-cp20261 T.61
20269 x-cp20269 ISO-6937
20273 IBM273 IBM EBCDIC (Alemanha)
20277 IBM277 IBM EBCDIC (Dinamarca-Noruega)
20278 IBM278 IBM EBCDIC (Finlândia-Suécia)
20280 IBM280 IBM EBCDIC (Itália)
20284 IBM284 IBM EBCDIC (Espanha)
20285 IBM285 IBM EBCDIC (REINO UNIDO)
20290 IBM290 IBM EBCDIC (katakana japonês)
20297 IBM297 IBM EBCDIC (França)
20420 IBM420 IBM EBCDIC (árabe)
20423 IBM423 IBM EBCDIC (grego)
20424 IBM424 IBM EBCDIC (hebraico)
20833 x-EBCDIC-KoreanExtended IBM EBCDIC (Coreano Estendido)
20838 IBM-Tailandês IBM EBCDIC (Tailandês)
20866 Koi8-R Cirílico (KOI8-R)
20871 IBM871 IBM EBCDIC (islandês)
20880 IBM880 IBM EBCDIC (russo cirílico)
20905 IBM905 IBM EBCDIC (turco)
20924 IBM00924 IBM Latin-1
20932 EUC-JP Japonês (JIS 0208-1990 e 0212-1990)
20936 x-cp20936 Chinês simplificado (GB2312-80)
20949 x-cp20949 Wansung coreano
21025 CP1025 IBM EBCDIC (cirílico sérvio-búlgaro)
21866 koi8-u Cirílico (KOI8-U)
28591 ISO-8859-1 Europa Ocidental (ISO)
28592 ISO-8859-2 Europa Central (ISO)
28593 ISO-8859-3 Latim 3 (ISO)
28594 ISO-8859-4 Báltico (ISO)
28595 ISO-8859-5 Cirílico (ISO)
28596 ISO-8859-6 Árabe (ISO)
28597 ISO-8859-7 Grego (ISO)
28598 ISO-8859-8 Hebraico (ISO-Visual)
28599 ISO-8859-9 Turco (ISO)
28603 ISO-8859-13 Estónio (ISO)
28605 ISO-8859-15 Latim 9 (ISO)
29001 x-Europa Europa
38598 ISO-8859-8-I Hebraico (ISO-Lógico)
50220 ISO-2022-JP Japonês (JIS)
50221 csISO2022JP Japonês (JIS-Allow 1 byte Kana)
50222 ISO-2022-JP Japonês (JIS-Allow 1 byte Kana - SO/SI)
50225 ISO-2022-KR Coreano (ISO)
50227 x-cp50227 Chinês simplificado (ISO-2022)
51932 EUC-JP Japonês (EUC)
51936 EUC-CN Chinês simplificado (EUC)
51949 EUC-KR Coreano (EUC)
52936 HZ-GB-2312 Chinês simplificado (HZ)
54936 GB18030 Chinês 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-ou ISCII Oriya
57008 x-iscii-ka ISCII Kannada
57009 x-iscii-ma ISCII Malaiala
57010 x-iscii-gu ISCII Gujarati
57011 x-iscii-pa ISCII Punjabi
65000 UTF-7 Unicode (UTF-7)
65001 utf-8 Unicode (UTF-8)

O exemplo a seguir chama os métodos e GetEncoding(String) para obter a GetEncoding(Int32) codificação de página de código grego (Windows). Ele compara os Encoding objetos retornados pelas chamadas de método para mostrar que eles são iguais e, em seguida, mapeia exibe o ponto de código Unicode e o valor de página de código correspondente para cada caractere no alfabeto grego.

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

Se os dados a serem convertidos estiverem disponíveis apenas em blocos sequenciais (como dados lidos de um fluxo) ou se a quantidade de dados for tão grande que precise ser dividida em blocos menores, você deverá usar o ou o fornecido pelo GetDecoder método ou o GetEncoderDecoderEncoder método, respectivamente, de uma classe derivada.

Os codificadores UTF-16 e UTF-32 podem usar a ordem de bytes big endian (byte mais significativo primeiro) ou a ordem de bytes little endian (byte menos significativo primeiro). Por exemplo, a letra maiúscula latina A (U+0041) é serializada da seguinte forma (em hexadecimal):

  • UTF-16 big endian byte ordem: 00 41
  • UTF-16 pequena ordem de bytes endian: 41 00
  • UTF-32 big endian byte ordem: 00 00 00 41
  • UTF-32 pequena ordem de bytes endian: 41 00 00 00

Geralmente, é mais eficiente armazenar caracteres Unicode usando a ordem de bytes nativa. Por exemplo, é melhor usar a pequena ordem de bytes endian em plataformas little endian, como computadores Intel.

O GetPreamble método recupera uma matriz de bytes que inclui a marca de ordem de bytes (BOM). Se essa matriz de bytes for prefixada a um fluxo codificado, ela ajudará o decodificador a identificar o formato de codificação usado.

Para obter mais informações sobre a ordem de bytes e a marca de ordem de bytes, consulte O padrão Unicode na home page do Unicode.

Observe que as classes de codificação permitem erros:

  • Mude silenciosamente para um personagem "?"
  • Use um caractere "mais adequado".
  • Mude para um comportamento específico do aplicativo por meio do uso das EncoderFallback classes e com o caractere DecoderFallback de substituição Unicode U+FFFD.

Você deve lançar uma exceção em qualquer erro de fluxo de dados. Um aplicativo usa um sinalizador "throwonerror" quando aplicável ou usa as EncoderExceptionFallback classes e DecoderExceptionFallback . O fallback de melhor ajuste geralmente não é recomendado porque pode causar perda de dados ou confusão e é mais lento do que simples substituições de caracteres. Para codificações ANSI, o melhor comportamento de ajuste é o padrão.