Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
Observação
Este artigo fornece observações complementares à documentação de referência para esta 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. Em contraste, 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 Character Encoding in .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 classe Encoding para oferecer suporte a codificações Unicode atuais e outras codificações:
ASCIIEncoding codifica caracteres Unicode como caracteres ASCII únicos de 7 bits. Esta codificação suporta apenas valores de caracteres entre U+0000 e U+007F. Página de código 20127. Também disponível através da propriedade ASCII.
UTF7Encoding codifica caracteres Unicode usando a codificação UTF-7. Esta codificação suporta todos os valores de caracteres Unicode. Página de código 65000. Também disponível através da propriedade UTF7.
UTF8Encoding codifica caracteres Unicode usando a codificação UTF-8. Esta codificação suporta todos os valores de caracteres Unicode. Página de código 65001. Também disponível através da propriedade UTF8.
UnicodeEncoding codifica caracteres Unicode usando a codificação UTF-16. As ordens de bytes do formato little endian e do formato big endian são suportadas. Também disponível através da propriedade Unicode e da propriedade BigEndianUnicode.
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 propriedade UTF32.
A classe Encoding destina-se principalmente a converter entre diferentes codificações e Unicode. Muitas vezes, uma das classes Unicode derivadas é a escolha correta para seu aplicativo.
Use o método GetEncoding para obter outras codificações e chame o método GetEncodings 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 das propriedades EncodingInfo.Name e EncodingInfo.DisplayName da codificação. Uma marca de seleção na coluna de suporte do .NET Framework , de suporte do .NET Core ou de 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 classe System.Text.CodePagesEncodingProvider ou derivando da classe System.Text.EncodingProvider.
Observação
As páginas de código cuja propriedade EncodingInfo.Name corresponde a uma norma internacional não estão necessariamente em plena conformidade com essa norma.
| Página de código | Nome | Nome de exibição | Suporte ao .NET Framework | Suporte ao .NET Core | Suporte ao .NET 5 e posterior |
|---|---|---|---|---|---|
| 37 | IBM037 | IBM EBCDIC (US-Canada) | |||
| 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 | IBM850 | Europa Ocidental (DOS) | |||
| 852 | IBM852 | Europa Central (DOS) | |||
| 855 | IBM855 | OEM cirílico | |||
| 857 | IBM857 | Turco (DOS) | |||
| 858 | IBM00858 | OEM Multilingue Latim I | |||
| 860 | IBM860 | Português (DOS) | |||
| 861 | IBM861 | Islandês (DOS) | |||
| 862 | DOS-862 | Hebraico (DOS) | |||
| 863 | IBM863 | Francês Canadiano (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 | windows-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 (Turkish Latino-5) | |||
| 1047 | IBM01047 | IBM Latim-1 | |||
| 1140 | IBM01140 | IBM EBCDIC (EUA-Canada-Euro) | |||
| 1141 | IBM01141 | IBM EBCDIC (Germany-Euro) | |||
| 1142 | IBM01142 | IBM EBCDIC (Dinamarca-Norway-Euro) | |||
| 1143 | IBM01143 | IBM EBCDIC (Finlândia-Sweden-Euro) | |||
| 1144 | IBM01144 | IBM EBCDIC (Italy-Euro) | |||
| 1145 | IBM01145 | IBM EBCDIC (Spain-Euro) | |||
| 1146 | IBM01146 | IBM EBCDIC (UK-Euro) | |||
| 1147 | IBM01147 | IBM EBCDIC (France-Euro) | |||
| 1148 | IBM01148 | IBM EBCDIC (International-Euro) | |||
| 1149 | IBM01149 | IBM EBCDIC (Icelandic-Euro) | |||
| 1200 | UTF-16 | Unicode | ✓ | ✓ | ✓ |
| 1201 | UnicodeFFFE | Unicode (Big endian) | ✓ | ✓ | ✓ |
| 1250 | windows-1250 | Europa Central (Windows) | |||
| 1251 | windows-1251 | Cirílico (Windows) | |||
| 1252 | Windows-1252 | Europa Ocidental (Windows) | ✓ | ||
| 1253 | windows-1253 | Grego (Windows) | |||
| 1254 | windows-1254 | Turco (Windows) | |||
| 1255 | windows-1255 | Hebraico (Windows) | |||
| 1256 | windows-1256 | Árabe (Windows) | |||
| 1257 | windows-1257 | Báltico (Windows) | |||
| 1258 | windows-1258 | Vietnamita (Windows) | |||
| 1361 | Johab | Coreano (Johab) | |||
| 10 000 | 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-Thai | 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, formato Big endian) | ✓ | ✓ | ✓ |
| 20 000 | x-Chinese-CNS | Chinês Tradicional (CNS) | |||
| 20001 | X-CP20001 | TCA Taiwan | |||
| 20002 | x-Chinese-Eten | Chinês Tradicional (Eten) | |||
| 20003 | X-CP20003 | IBM5550 Taiwan | |||
| 20004 | X-CP20004 | Teletexto Taiwan | |||
| 20005 | X-CP20005 | Wang Taiwan | |||
| 20105 | x-IA5 | Europa Ocidental (IA5) | |||
| 20106 | x-IA5-German | Alemão (IA5) | |||
| 20107 | x-IA5-Sueco | Sueco (IA5) | |||
| 20108 | x-IA5-Norwegian | Norueguês (IA5) | |||
| 20127 | US-ASCII | US-ASCII | ✓ | ✓ | ✓ |
| 20261 | X-CP20261 | T.61 | |||
| 20269 | X-CP20269 | ISO-6937 | |||
| 20273 | IBM273 | IBM EBCDIC (Alemanha) | |||
| 20277 | IBM277 | IBM EBCDIC (Denmark-Norway) | |||
| 20278 | IBM278 | IBM EBCDIC (Finland-Sweden) | |||
| 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-Thai | 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 Latim-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 (Serbian-Bulgariancirílico) | |||
| 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-Logical) | ✓ | ||
| 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 Bengalesa | ✓ | ||
| 57004 | X-ISCII-TA | ISCII Tâmil | ✓ | ||
| 57005 | x-iscii-te | ISCII Telugu | ✓ | ||
| 57006 | x-iscii-as | ISCII Assamês | ✓ | ||
| 57007 | x-iscii-ou | ISCII Oriya | ✓ | ||
| 57008 | X-Iscii-ka | ISCII Canarês | ✓ | ||
| 57009 | X-Iscii-MA | ISCII Malaiala | ✓ | ||
| 57010 | X-Iscii-gu | ISCII Gujarati | ✓ | ||
| 57011 | X-ISCII-PA | ISCII Punjabi (padrão de codificação de caracteres para scripts indianos, incluindo Punjabi) | ✓ | ||
| 65000 | UTF-7 | Unicode (UTF-7) | ✓ | ✓ | |
| 65001 | UTF-8 | Unicode (UTF-8) | ✓ | ✓ | ✓ |
O exemplo a seguir chama os métodos GetEncoding(Int32) e GetEncoding(String) para obter a codificação da página de código grega do Windows. Ele compara os objetos Encoding retornados pelas chamadas de método para mostrar que eles são iguais e, em seguida, os mapas exibem o ponto de código Unicode e o valor da 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($"{enc.EncodingName} = Code Page {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 Decoder ou o Encoder fornecidos pelo método GetDecoder ou pelo método GetEncoder, 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 ordem de bytes: 00 41
- UTF-16 ordem de bytes little endian: 41 00
- UTF-32 big endian ordem dos bytes: 00 00 00 41
- UTF-32 ordem de bytes little endian: 41 00 00 00
Geralmente, é mais eficiente armazenar caracteres Unicode usando a ordem nativa de bytes. Por exemplo, é melhor usar a ordem de bytes little endian em plataformas little endian, tais como computadores Intel.
O método GetPreamble recupera uma matriz de bytes que inclui a marca de ordem dos 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 Unicode.
Observe que as classes de codificação permitem erros:
- Mude silenciosamente para um caractere "?"
- Use um caractere "mais adequado".
- Mude para um comportamento específico do aplicativo usando as classes EncoderFallback e DecoderFallback com o caractere 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 classes EncoderExceptionFallback e DecoderExceptionFallback. O fallback de melhor ajuste muitas vezes 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.
Colabore connosco no GitHub
A origem deste conteúdo pode ser encontrada no GitHub, onde também pode criar e rever problemas e pedidos Pull. Para mais informações, consulte o nosso guia do contribuidor.
