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.

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.