我正在解析来自 HttpWebRequest
的响应中的一些 Web 内容。
此 Web 内容使用字符集 ISO-8859-1
,当对其进行解析并最终从响应中获取所需的词时,我收到一个带有问题的 string
像这样标记 �
我想知道将其转换回可读 string
的正确方法是什么。
因此,我尝试将当前单词 encoding
转换为 UTF-8
,如下所示:
(我想知道 UTF-8
是否可以解决我的问题)
string word = "ESPA�OL";
Encoding iso = Encoding.GetEncoding("ISO-8859-1");
Encoding utf = Encoding.GetEncoding("UTF-8");
byte[] isoBytes = iso.GetBytes(word);
byte[] utfBytes = Encoding.Convert(iso, utf, isoBytes);
string utfWord = utf.GetString(utfBytes);
Console.WriteLine(utfWord);
但是,utfWord
变量输出 ESPA?OL
仍然是错误的。正确的输出应该是 ESPAÑOL
。
如果可能的话,有人可以给我正确的指导来解决这个问题吗?
最佳答案
有问题的词是“ESPAÑOL”。这可以在 ISO-8859-1 中正确编码,因为单词中的所有字符都是 represented in ISO-8859-1 .
您可以使用以下简单程序亲眼看到:
using System;
using System.Diagnostics;
using System.Text;
namespace ConsoleApplication1
{
class Program
{
static void Main(string[] args)
{
Encoding enc = Encoding.GetEncoding("ISO-8859-1");
string original = "ESPAÑOL";
byte[] iso_8859_1 = enc.GetBytes(original);
string roundTripped = enc.GetString(iso_8859_1);
Debug.Assert(original == roundTripped);
Console.WriteLine(roundTripped);
}
}
}
这告诉您,您需要正确诊断错误字符的来源。当你有一个 � 字符时,为时已晚。信息已丢失。 � 字符的存在表明,在某个时刻,执行了到不包含字符 Ñ 的字符集的转换。
从 ISO-8859-1 到 Unicode 编码的转换将正确处理“ESPAÑOL”,因为该词可以用 ISO-8859-1 编码。
最可能的解释是,在此过程中,文本“ESPAÑOL”被转换为不包含字母 Ñ 的字符集。
关于c# - 处理包含 "question mark"(�) 的字符串时出现编码问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22451154/