System.Text.Encoding – třída

Tento článek obsahuje doplňující poznámky k referenční dokumentaci pro toto rozhraní API.

Třída Encoding představuje kódování znaků.

Kódování je proces transformace sady znaků Unicode na posloupnost bajtů. Dekódování je naopak proces transformace sekvence kódovaných bajtů na sadu znaků Unicode. Informace o formátech transformace Unicode (UTF) a dalších kódováních podporovaných Encodingv tématu Kódování znaků v .NET.

Encoding je určen pro práci se znaky Unicode namísto libovolných binárních dat, jako jsou pole bajtů. Pokud je nutné kódovat libovolná binární data do textu, měli byste použít protokol, jako je uuencode, který je implementován metodami, jako Convert.ToBase64CharArrayje .

.NET poskytuje následující implementace Encoding třídy pro podporu aktuální kódování Unicode a dalších kódování:

• ASCIIEncoding Kóduje znaky Unicode jako jednoduché 7bitové znaky ASCII. Toto kódování podporuje pouze hodnoty znaků mezi U+0000 a U+007F. Znaková stránka 20127. K dispozici také prostřednictvím ASCII vlastnosti.

• UTF7Encoding kóduje znaky Unicode pomocí kódování UTF-7. Toto kódování podporuje všechny hodnoty znaků Unicode. Znaková stránka 65000. K dispozici také prostřednictvím UTF7 vlastnosti.

• UTF8Encoding kóduje znaky Unicode pomocí kódování UTF-8. Toto kódování podporuje všechny hodnoty znaků Unicode. Znaková stránka 65001. K dispozici také prostřednictvím UTF8 vlastnosti.

• UnicodeEncoding kóduje znaky Unicode pomocí kódování UTF-16. Podporují se malé endianové i velké bajtové příkazy. K dispozici je také prostřednictvím Unicode vlastnosti a BigEndianUnicode vlastnosti.

• UTF32Encoding kóduje znaky Unicode pomocí kódování UTF-32. Podporují se jak malé endian (kódová stránka 12000), tak objednávky velkých endianů (kódová stránka 12001). K dispozici také prostřednictvím UTF32 vlastnosti.

Třída Encoding je primárně určena k převodu mezi různými kódováními a kódováním Unicode. Jednou z odvozených tříd Unicode je často správná volba pro vaši aplikaci.

Použijte metodu GetEncoding k získání dalších kódování a volání GetEncodings metody získat seznam všech kódování.

Seznam kódování

Následující tabulka uvádí kódování podporovaná rozhraním .NET. Vypíše číslo znakové stránky každého kódování a hodnoty kódování EncodingInfo.Name a EncodingInfo.DisplayName vlastností. Značka zaškrtnutí ve sloupci podpory rozhraní .NET Framework, podpora .NET Core nebo .NET 5 a novější označuje, že tato implementace .NET nativně podporuje znakovou stránku bez ohledu na podkladovou platformu. Dostupnost jiných kódování uvedených v tabulce v rozhraní .NET Framework závisí na operačním systému. Pro .NET Core a .NET 5 a novější verze jsou k dispozici další kódování pomocí System.Text.CodePagesEncodingProvider třídy nebo odvozením z System.Text.EncodingProvider třídy.

Následující příklad volá GetEncoding(Int32) a GetEncoding(String) metody pro získání kódování znakové stránky řečtiny (Windows). Porovná Encoding objekty vrácené voláním metody, aby ukázaly, že jsou stejné, a pak mapuje znak Unicode a odpovídající hodnotu znakové stránky pro každý znak v řecké abecedě.

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

Pokud jsou data, která se mají převést, k dispozici pouze v sekvenčních blocích (jako jsou data načtená z datového proudu) nebo pokud je množství dat tak velké, že je potřeba je rozdělit na menší bloky, měli byste použít Decoder metodu GetDecoder nebo Encoder metodu odvozené třídy nebo GetEncoder metodu.

Kodéry UTF-16 a UTF-32 můžou používat pořadí velkých bajtů endianu (nejvýznamnější bajt první) nebo malé pořadí bajtů endianu (nejméně významné bajty jako první). Například velké písmeno latinky A (U+0041) se serializuje takto (v šestnáctkovém formátu):

• UTF-16 big endian byte order: 00 41
• UTF-16 little endian byte order: 41 00
• UTF-32 big endian byte pořadí: 00 00 00 00 41
• UTF-32 little endian byte order: 41 00 00 00

Obecně je efektivnější ukládat znaky Unicode pomocí nativního pořadí bajtů. Například je lepší použít malé endian bajtové pořadí na malých endian platformách, jako jsou počítače Intel.

Metoda GetPreamble načte pole bajtů, které zahrnuje značku pořadí bajtů (BOM). Pokud je toto pole bajtů předponou zakódovaného datového proudu, pomáhá dekodéru identifikovat použitý formát kódování.

Další informace o pořadí bajtů a značce pořadí bajtů naleznete v tématu Standard Unicode na domovské stránce Unicode.

Všimněte si, že třídy kódování umožňují chyby:

• Bezobslužná změna na znak "?"
• Použijte znak "co nejlépe přizpůsobit".
• Změňte chování specifické pro aplikaci pomocí EncoderFallbackDecoderFallback a tříd s náhradním znakem U+FFFD Unicode.

U všech chyb datového streamu byste měli vyvolat výjimku. Aplikace buď používá příznak throwonerror, pokud je k dispozici, nebo používá EncoderExceptionFallbackDecoderExceptionFallback třídy. Nejvhodnější náhradní řešení se často nedoporučuje, protože může způsobit ztrátu nebo nejasnost dat a je pomalejší než jednoduché nahrazení znaků. Pro kódování ANSI je nejvhodnější chování výchozí.