C#.net 中的编码 －Encoding

2007-03-23  作者:龚军勇  http://www.flyy.info/blog/index.php?blogid=274

description:

   在c#中提供了编码类Encoding，它有四种编码方案：

1、ASCIIEncoding
2、UnicodeEncoding
3、UTF7Encoding
4、UTF8Encoding

     另外还有我们所熟悉的GB2312编码，但是它不是Encoding类下的显示类。尽管如此我们仍然可以使用，Encoding encoder = Encoding.GetEncoding("gb2312");

 各种编码类型不一定是兼容的，尤其是在有中文的情况下。在解码从文件读取字节数据时，这一点有重要的影响。
     例如：用unicode编码方案写入的数据不能使用ASCII或UTF-8编码方案正确的解码。这是因为unicode编码使用两个字节表示每个字符，而其他方案不是这样。

1、首先来看一下编码后的字节数组内容
     我们写了以下程序进行验证这一点：
     对于这段字符串 string str="测试文本 Test Text" 分别通过GB2312和UTF8对其进行编码，得到以下字节数组：
     -------------------------------GB2312-----------------
   178   226   202   212   206   196   177   190   32   84   101   115   116   32   84   101   120   116

     ------------------------------UTF8------------------
   230   181   139   232   175   149   230   150   135   230   156   172   32   84   101   115   116   32   84   101   120   116
   可以看出对于中文两者编码后的字节是不一样的，对于英文和空格的编码是一样的。

2、两种编码方案保存到文本的情况
    对于同一段字符串 string str="测试文本 Test Text" 分别通过GB2312和UTF8对其进行编码，然后分别保存为两个文本文件，代码如下：

private void GetUTF8()
  {
   Encoding encoder=Encoding.UTF8 ;
   byte[] buff = new byte[encoder.GetByteCount(str)] ;
   int j = encoder.GetBytes(str,0,str.Length,buff,0) ;
   this.textBox1.Text += " -------------------------------UTF8------------------ ";

   for(int i=0;i    {
    this.textBox1.Text += "   "+buff[i];
   }
   FileStream fs = File.Create(@"E:WinFormWindowsApplication1WindowsApplication1UTF8.txt");
   fs.Write(buff,0,buff.Length) ;
   fs.Close();
  }

打开记事本都可以正常显示中文，接下来在对文本进行读取显示：
A、用GB2312方案读gb2312写入的文本显示正常

  FileStream fs = File.OpenRead(@"E:WinFormWindowsApplication1WindowsApplication1GB2312.txt");
   byte[] buff = new byte[(int)fs.Length] ;
   fs.Read(buff,0,buff.Length);
   Encoding encoder = Encoding.GetEncoding("gb2312");
   string str1 = encoder.GetString(buff,0,buff.Length);
   this.textBox1.Text = "-------------GB2312 Encode---------------- " + str1 +" ";

B、用Gb2312方案读取Utf8编码写入的文本显示如下：
    ? Test Text
C、用UTF8读取GB2312写入的文本显示如下：
   娴????? Test Text
这正是我们经常遇见的乱码，多少情况都是编码方案不对应。

一般来说我们都采用UTF8进行编码，在网络中传输数据都默认这种方式。