Класс System.Text.Encoding
В этой статье приводятся дополнительные замечания к справочной документации по этому API.
Класс Encoding представляет кодировку символов.
Кодирование - это процесс преобразования набора символов Юникода в последовательность байтов. В отличие от этого, декодирование — это процесс преобразования последовательности закодированных байтов в набор символов Юникода. Сведения о форматах преобразования Юникода (UTFs) и других кодировках, поддерживаемых Encoding, см. в разделе "Кодировка символов" в .NET.
Encoding предназначен для работы с символами Юникода вместо произвольных двоичных данных, таких как массивы байтов. Если необходимо закодировать произвольные двоичные данные в текст, следует использовать протокол, например uuencode, который реализуется такими методами, как Convert.ToBase64CharArray.
.NET предоставляет следующие реализации Encoding класса для поддержки текущих кодировок Юникода и других кодировок:
ASCIIEncoding кодирует символы Юникода в виде 7-разрядных символов ASCII. Эта кодировка поддерживает только значения символов между U+0000 и U+007F. Кодовая страница 20127. Также доступно через ASCII свойство.
UTF7Encoding кодирует символы Юникода с помощью кодировки UTF-7. Эта кодировка поддерживает все значения символов Юникода. Кодовая страница 65000. Также доступно через UTF7 свойство.
UTF8Encoding кодирует символы Юникода с помощью кодировки UTF-8. Эта кодировка поддерживает все значения символов Юникода. Кодовая страница 65001. Также доступно через UTF8 свойство.
UnicodeEncoding кодирует символы Юникода с помощью кодировки UTF-16. Поддерживаются как маленькие эндиан, так и большие заказы байтов. Также доступно через Unicode свойство и BigEndianUnicode свойство.
UTF32Encoding кодирует символы Юникода с помощью кодировки UTF-32. Поддерживаются как маленькие эндиан (кодовая страница 12000), так и большой байтовый (кодовая страница 12001). Также доступно через UTF32 свойство.
Класс Encoding в основном предназначен для преобразования между различными кодировками и Юникодом. Часто один из производных классов Юникода является правильным выбором для вашего приложения.
GetEncoding Используйте метод для получения других кодировок и вызова GetEncodings метода для получения списка всех кодировок.
Список кодировок
В следующей таблице перечислены кодировки, поддерживаемые .NET. В нем перечислены номера кодовой страницы каждой кодировки и значения кодирования EncodingInfo.Name и EncodingInfo.DisplayName свойств. Метка проверка в платформа .NET Framework поддержке, поддержке .NET Core или .NET 5 и более поздних версиях означает, что кодовая страница изначально поддерживается этой реализацией .NET независимо от базовой платформы. Для платформа .NET Framework доступность других кодировок, перечисленных в таблице, зависит от операционной системы. Для .NET Core и .NET 5 и более поздних версий другие кодировки доступны с помощью System.Text.CodePagesEncodingProvider класса или производных от System.Text.EncodingProvider класса.
Примечание.
Кодовые страницы, свойства которых EncodingInfo.Name соответствуют международному стандарту, не обязательно соответствуют требованиям этого стандарта.
| Кодовая страница | Имя. | Отображаемое имя | поддержка платформа .NET Framework | Поддержка .NET Core | Поддержка .NET 5 и более поздних версий |
|---|---|---|---|---|---|
| 37 | IBM037 | IBM EBCDIC (США-Канада) | |||
| 437 | IBM437 | OEM США | |||
| 500 | IBM500 | IBM EBCDIC (Международный) | |||
| 708 | ASMO-708 | Арабский (ASMO 708) | |||
| 720 | DOS-720 | Арабский (DOS) | |||
| 737 | ibm737 | Греческий (DOS) | |||
| 775 | ibm775 | Балтика (DOS) | |||
| 850 | ibm850 | Западная Европа (DOS) | |||
| 852 | ibm852 | Центральная европа (DOS) | |||
| 855 | IBM855 | Кириллица OEM | |||
| 857 | ibm857 | Турецкий (DOS) | |||
| 858 | IBM00858 | OEM Многоязычная латиница I | |||
| 860 | IBM860 | Португальский (DOS) | |||
| 861 | ibm861 | Исландия (DOS) | |||
| 862 | DOS-862 | Иврит (DOS) | |||
| 863 | IBM863 | Французский канадский (DOS) | |||
| 864 | IBM864 | Арабский (864) | |||
| 865 | IBM865 | Северная (DOS) | |||
| 866 | cp866 | Кириллица (DOS) | |||
| 869 | ibm869 | Греческий, современный (DOS) | |||
| 870 | IBM870 | IBM EBCDIC (многоязычная латиница-2) | |||
| 874 | Windows-874 | Тайский (Windows) | |||
| 875 | cp875 | IBM EBCDIC (греческий современный) | |||
| 932 | shift_jis | Японский (SHIFT-JIS) | |||
| 936 | gb2312 | Китайский упрощенный (GB2312) | ✓ | ||
| 949 | ks_c_5601-1987 | Корейский | |||
| 950 | big5 | Китайский традиционный (Big5) | |||
| 1026 | IBM1026 | IBM EBCDIC (турецкая латиница-5) | |||
| 1047 | IBM01047 | IBM Latin-1 | |||
| 1140 | IBM01140 | IBM EBCDIC (US-Canada-Euro) | |||
| 1141 | IBM01141 | IBM EBCDIC (Германия-Евро) | |||
| 1142 | IBM01142 | IBM EBCDIC (Дания-Норвегия-Евро) | |||
| 1143 | IBM01143 | IBM EBCDIC (Финляндия-Швеция-Евро) | |||
| 1144 | IBM01144 | IBM EBCDIC (Италия-Евро) | |||
| 1145 | IBM01145 | IBM EBCDIC (Испания-Евро) | |||
| 1146 | IBM01146 | IBM EBCDIC (UK-Euro) | |||
| 1147 | IBM01147 | IBM EBCDIC (Франция-Евро) | |||
| 1148 | IBM01148 | IBM EBCDIC (International-Euro) | |||
| 1149 | IBM01149 | IBM EBCDIC (Исландия-Евро) | |||
| 1200 | utf-16 | Unicode | ✓ | ✓ | ✓ |
| 1201 | юникодFFFE | Юникод (Big endian) | ✓ | ✓ | ✓ |
| 1250 | Windows-1250 | Центральная европа (Windows) | |||
| 1251 | Windows-1251 | Кириллица (Windows) | |||
| 1252 | Windows-1252 | Западноевропейская (Windows) | ✓ | ||
| 1253 | Windows-1253 | Греческий (Windows) | |||
| 1254 | windows-1254 | Турецкий (Windows) | |||
| 1255 | Windows-1255 | Иврит (Windows) | |||
| 1256 | Windows-1256 | Арабский (Windows) | |||
| 1257 | Windows-1257 | Балтика (Windows) | |||
| 1258 | Windows-1258 | Вьетнамцы (Windows) | |||
| 1361 | Джохаб | Корейский (Джохаб) | |||
| 10000 | Macintosh | Западная Европа (Mac) | |||
| 10001 | x-mac-японский | Японский (Mac) | |||
| 10002 | X-mac-chinesetrad | Китайский традиционный (Mac) | |||
| 10003 | x-mac-korean | Корейский (Mac) | ✓ | ||
| 10004 | x-mac-арабский | Арабский (Mac) | |||
| 10005 | x-mac-иврит | Иврит (Mac) | |||
| 10006 | x-mac-греческий | Греческий (Mac) | |||
| 10007 | X-mac-cyrillic | Кириллица (Mac) | |||
| 10008 | x-mac-chinesesimp | Китайский упрощенный (Mac) | ✓ | ||
| 10010 | x-mac-румына | Румын (Mac) | |||
| 10017 | x-mac-ukrainian | Украинский (Mac) | |||
| 10021 | x-mac-thai | Тайский (Mac) | |||
| 10029 | x-mac-ce | Центральная европа (Mac) | |||
| 10079 | x-mac-исландия | Исландия (Mac) | |||
| 10081 | x-mac-turkish | Турецкий (Mac) | |||
| 10082 | x-mac-хорватский | Хорватский (Mac) | |||
| 12 000 | utf-32 | Юникод (UTF-32) | ✓ | ✓ | ✓ |
| 12001 | utf-32BE | Юникод (UTF-32 Big endian) | ✓ | ✓ | ✓ |
| 20000 | x-chinese-CNS | Китайский традиционный (CNS) | |||
| 20001 | x-cp20001 | TCA Тайвань | |||
| 20002 | x-chinese-Eten | Китайский традиционный (Eten) | |||
| 20003 | x-cp20003 | IBM5550 Тайвань | |||
| 20004 | x-cp20004 | TeleText Тайвань | |||
| 20005 | x-cp20005 | Ван Тайвань | |||
| 20105 | x-IA5 | Западная Европа (IA5) | |||
| 20106 | x-IA5-german | Немецкий (IA5) | |||
| 20107 | x-IA5-Шведский | Шведский (IA5) | |||
| 20108 | x-IA5-Норвежский | Норвежский (IA5) | |||
| 20127 | us-ascii | US-ASCII | ✓ | ✓ | ✓ |
| 20261 | x-cp20261 | T.61 | |||
| 20269 | x-cp20269 | ISO-6937 | |||
| 20273 | IBM273 | IBM EBCDIC (Германия) | |||
| 20277 | IBM277 | IBM EBCDIC (Дания-Норвегия) | |||
| 20278 | IBM278 | IBM EBCDIC (Финляндия-Швеция) | |||
| 20280 | IBM280 | IBM EBCDIC (Италия) | |||
| 20284 | IBM284 | IBM EBCDIC (Испания) | |||
| 20285 | IBM285 | IBM EBCDIC (Великобритания) | |||
| 20290 | IBM290 | IBM EBCDIC (японский катакана) | |||
| 20297 | IBM297 | IBM EBCDIC (Франция) | |||
| 20420 | IBM420 | IBM EBCDIC (арабский) | |||
| 20423 | IBM423 | IBM EBCDIC (греческий) | |||
| 20424 | IBM424 | IBM EBCDIC (иврит) | |||
| 20833 | x-EBCDIC-KoreanExtended | IBM EBCDIC (корейский расширенный) | |||
| 20838 | IBM-Thai | IBM EBCDIC (Тайский) | |||
| 20866 | koi8-r | Кириллица (KOI8-R) | |||
| 20871 | IBM871 | IBM EBCDIC (Исландия) | |||
| 20880 | IBM880 | IBM EBCDIC (кириллический русский) | |||
| 20905 | IBM905 | IBM EBCDIC (турецкий) | |||
| 20924 | IBM00924 | IBM Latin-1 | |||
| 20932 | EUC-JP | Японский (JIS 0208-1990 и 0212-1990) | |||
| 20936 | x-cp20936 | Китайский упрощенный (GB2312-80) | ✓ | ||
| 20949 | x-cp20949 | Корейский Wansung | ✓ | ||
| 21025 | cp1025 | IBM EBCDIC (кириллический сербский-болгарский) | |||
| 21866 | koi8-u | Кириллица (KOI8-U) | |||
| 28591 | iso-8859-1 | Западная Европа (ISO) | ✓ | ✓ | ✓ |
| 28592 | iso-8859-2 | Центральная Европа (ISO) | |||
| 28593 | iso-8859-3 | Латиница 3 (ISO) | |||
| 28594 | iso-8859-4 | Балтика (ISO) | |||
| 28595 | iso-8859-5 | Кириллица (ISO) | |||
| 28596 | iso-8859-6 | Арабский (ISO) | |||
| 28597 | iso-8859-7 | Греческий (ISO) | |||
| 28598 | iso-8859-8 | Иврит (ISO-Visual) | ✓ | ||
| 28599 | iso-8859-9 | Турецкий (ISO) | |||
| 28603 | iso-8859-13 | Эстония (ISO) | |||
| 28605 | iso-8859-15 | Латиница 9 (ISO) | |||
| 29001 | x-Европа | Европа | |||
| 38598 | iso-8859-8-i | Иврит (ISO-Логический) | ✓ | ||
| 50220 | iso-2022-jp | Японский (JIS) | ✓ | ||
| 50221 | csISO2022JP | Японский (JIS-Allow 1 byte Kana) | ✓ | ||
| 50222 | iso-2022-jp | Японский (JIS-Allow 1 байт Кана - SO/SI) | ✓ | ||
| 50225 | iso-2022-kr | Корейский (ISO) | ✓ | ||
| 50227 | x-cp50227 | Китайский упрощенный (ISO-2022) | ✓ | ||
| 51932 | euc-jp | Японский (EUC) | ✓ | ||
| 51936 | EUC-CN | Китайский упрощенный (EUC) | ✓ | ||
| 51949 | euc-kr | Корейский (EUC) | ✓ | ||
| 52936 | гц-гб-2312 | Китайский упрощенный (ГЦ) | ✓ | ||
| 54936 | GB18030 | Китайский упрощенный (GB18030) | ✓ | ||
| 57002 | x-iscii-de | ISCII Devanagari | ✓ | ||
| 57003 | x-iscii-be | ISCII Бенгали | ✓ | ||
| 57004 | x-iscii-ta | ISCII Тамиль | ✓ | ||
| 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 Малаялам | ✓ | ||
| 57010 | x-iscii-gu | ISCII Gujarati | ✓ | ||
| 57011 | x-iscii-pa | ISCII Punjabi | ✓ | ||
| 65000 | utf-7 | Юникод (UTF-7) | ✓ | ✓ | |
| 65001 | utf-8 | Юникод (UTF-8) | ✓ | ✓ | ✓ |
В следующем примере вызывается GetEncoding(Int32) и GetEncoding(String) методы для получения кодировки кодовой страницы греков (Windows). Он сравнивает Encoding объекты, возвращаемые вызовами метода, чтобы показать, что они равны, а затем карты отображают точку кода Юникода и соответствующее значение кодовой страницы для каждого символа в греческом алфавите.
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
Если преобразованные данные доступны только в последовательных блоках (например, данные считываются из потока) или если объем данных настолько велик, что его необходимо разделить на меньшие блоки, следует использовать Decoder метод или EncoderGetDecoderGetEncoder метод соответственно производный класс.
Кодировщики UTF-16 и UTF-32 могут использовать порядок байтов больших байтов (наиболее значимый байт первым) или маленький байтовый порядок байтов (наименее значимый байт первым). Например, латинская буква буквы A (U+0041) сериализуется следующим образом (в шестнадцатеричном формате):
- Порядок байтов большого байта UTF-16: 00 41
- УTF-16 маленький байтовый порядок байтов: 41 00
- Порядок байтов больших байтов UTF-32: 00 00 00 41
- УTF-32 маленький байтовый порядок байтов: 41 00 00 00
Как правило, более эффективно хранить символы Юникода с помощью собственного порядка байтов. Например, лучше использовать маленький порядок байтов байтов на маленьких платформах, таких как компьютеры Intel.
Метод GetPreamble извлекает массив байтов, включающий метку порядка байтов (BOM). Если этот массив байтов префиксируется в кодированном потоке, он помогает декодеру определить используемый формат кодирования.
Дополнительные сведения о порядке байтов и отметке порядка байтов см. в разделе "Стандартный Юникод" на домашней странице Юникода.
Обратите внимание, что классы кодирования позволяют выполнять следующие ошибки:
- Автоматически измените символ "?"
- Используйте символ "лучше всего подходит".
- Измените поведение, зависящее от приложения, с помощью символа EncoderFallbackDecoderFallback замены Юникода U+FFFD.
Вы должны вызвать исключение для любой ошибки потока данных. Приложение либо использует флаг throwonerror, если применимо, либо использует EncoderExceptionFallback классы и DecoderExceptionFallback классы. Наиболее подходящий резервный вариант часто не рекомендуется, так как он может привести к потере данных или путанице и медленнее, чем простые замены символов. Для кодировки ANSI лучше всего подходит поведение по умолчанию.
Обратная связь
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделе https://aka.ms/ContentUserFeedback.
Отправить и просмотреть отзыв по