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.

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.