我的目标是将 .NET 字符串 (Unicode) 转换为 Windows-1252,并在必要时将原始 UTF-8 字符串存储在 Base64 实体中。
例如,字符串“DJ Doena”转换为 1252 仍然是“DJ Doena”。
但是,如果将表示树(木)的日语汉字转换为 1251,则会出现一个问号。
这些是我的测试字符串:
String doena = "DJ Doena";
String umlaut = "äöüßéèâ";
String allIn = "< ä ß á â & 木 >";
这就是我首先转换字符串的方式:
using (MemoryStream ms = new MemoryStream())
{
using (StreamWriter sw = new StreamWriter(ms, Encoding.UTF8))
{
sw.Write(decoded);
sw.Flush();
ms.Seek(0, SeekOrigin.Begin);
using (StreamReader sr = new StreamReader(ms, Encoding.GetEncoding(1252)))
{
encoded = sr.ReadToEnd();
}
}
}
问题是,在调试字符串比较时声称两者确实相同,因此简单的 ==
或 .Equals()
是不够的。
这就是我尝试找出是否需要 base64 并生成它的方法:
private static String GetBase64Alternate(String utf8Text, String windows1252Text)
{
Byte[] utf8Bytes;
Byte[] windows1252Bytes;
String base64;
utf8Bytes = Encoding.UTF8.GetBytes(utf8Text);
windows1252Bytes = Encoding.GetEncoding(1252).GetBytes(windows1252Text);
base64 = null;
if (utf8Bytes.Length != windows1252Bytes.Length)
{
base64 = Convert.ToBase64String(utf8Bytes);
}
else
{
for(Int32 i = 0; i < utf8Bytes.Length; i++)
{
if(utf8Bytes[i] != windows1252Bytes[i])
{
base64 = Convert.ToBase64String(utf8Bytes);
break;
}
}
}
return (base64);
}
第一个字符串 doena
完全相同,不会产生 Base64 结果
Console.WriteLine(String.Format("{0} / {1}", windows1252Text, base64Text));
结果
DJ Doena /
但是第二个字符串 umlauts
的字节数在 UTF-8 中已经是 1252 中的两倍,因此会生成一个 Base64 字符串,尽管它似乎没有必要:
äöüßéèâ / w6TDtsO8w5/DqcOow6I=
第三个做了它应该做的事情(不再是“木”而是一个“?”,因此需要base64):
< ä ß á â & ? > / PCDDpCDDnyDDoSDDoiAmIOacqCA+
有什么线索可以增强我的 Base64 getter a) 性能 b) 以获得更好的结果吗?
提前谢谢您。 :-)
最佳答案
我不确定我是否完全理解了这个问题。但我尝试过。 :) 如果我理解正确的话,这段代码可以实现你想要的功能:
static void Main(string[] args)
{
string[] testStrings = { "DJ Doena", "äöüßéèâ", "< ä ß á â & 木 >" };
foreach (string text in testStrings)
{
Console.WriteLine(ReencodeText(text));
}
}
private static string ReencodeText(string text)
{
Encoding encoding = Encoding.GetEncoding(1252);
string text1252 = encoding.GetString(encoding.GetBytes(text));
return text.Equals(text1252, StringComparison.Ordinal) ?
text : Convert.ToBase64String(Encoding.UTF8.GetBytes(text));
}
即它将文本编码为 Windows-1252,然后解码回 string
对象,然后与原始文本进行比较。如果比较成功,则返回原始字符串,否则将其编码为UTF8,然后再编码为base64。
它产生以下输出:
DJ Doena
äöüßéèâ
PCDDpCDDnyDDoSDDoiAmIOacqCA+
换句话说,前两个字符串保持不变,而第三个字符串则编码为 base64。
关于c# - 将 Windows-1252 字符串与 UTF-8 字符串进行比较,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27511937/