powershell - 在Powershell中将int转换为char具有意外结果

Question

我正在尝试使用每个ASCII字符之一生成字符串。我开始

32..255| %{[char]$_ | Out-File -filepath .\outfile.txt -Encoding ASCII -Append}

我期望list of printable characters，但是我得到了不同的字符。

谁能为我指出获得预期结果的更好方法，还是对我为何获得这些结果的解释？

Answer 1

[char[]] (32..255) | Set-Content outfile.txt

在Windows PowerShell中，这将创建一个“ANSI”编码的文件。术语“ANSI”编码是Windows上一组固定宽度，单字节8位编码的总称，这些编码是ASCII encoding 的超集。与系统有效的旧版code page相关联的system locale暗示所使用的特定“ANSI”编码；例如美国英语系统上的Windows-1252。

有关为何应避免“ANSI”编码的原因，请参见底部。

如果要在PowerShell Core中执行相同的操作，则将得到一个UTF-8编码的文件，但没有BOM，这是用于跨平台和跨语言环境兼容性的最佳编码。

在Windows PowerShell中，添加-Encoding utf8也会为您提供UTF-8文件，但带有BOM。
如果您使用了-Encoding Unicode或仅使用了重定向运算符>或Out-File，则将获得一个UTF-16LE编码的文件。
(相比之下，在PowerShell Core中，>默认情况下会生成无BOM的UTF-8，因为后者是一致应用的默认编码)。

注意:通过字符串和数字，Set-Content和> / Out-File可以互换使用(除了Windows PowerShell中的编码差异)；对于其他类型，只有> / Out-File会产生有意义的表示形式，尽管仅适用于人眼，不适用于程序处理-有关更多信息，请参见this answer。

ASCII码点限制为7位值，即范围0x0-0x7f(127)。

因此，您的输入值128-255不能表示为ASCII字符，并且使用-Encoding ASCII会导致无效输入字符被文字?字符(代码点0x3f / 63)替换，从而导致信息丢失。

重要:

在内存中，转换数字，例如32(0x20)或255(0xFF)到[char]( System.Char )实例，导致这些数字被解释为 UTF-16代码单元，代表Unicode字符__a和Unicodet_a(例如Unicodet_a)2个字节的序列使用本机字节顺序，因为这就是.NET中的字符。
同样，.NET U+0020类型 U+00FF 的实例是一个或多个[string]实例的序列。

在输出到文件时或在序列化期间，这些UTF-16字符串的重新编码可能会在中发生，具体取决于隐式或指定的输出编码。

如果输出编码是固定的单字节编码，例如System.String，[char](“ANSI”)或ASCII，则可能会丢失信息，即，如果要输出的字符串包含目标编码中无法表示的字符。

选择一种基于Unicode的编码格式以保证:

没有信息丢失，

在所有系统上，无论其系统语言环境如何，生成的文件都被解释为相同的。

Default 是最广泛使用的编码，但是请注意，Windows PowerShell(与PowerShell Core不同)总是将BOM附加到此类文件中，这可能会在类Unix平台和Unix继承实用程序上引起问题；它是一种针对ASCII编码并经过向后兼容性优化的格式，该编码使用1-4个字节来编码单个字符。

OEM (PowerShell称为Unicode)是内存中代码单元的直接表示形式，但是请注意，每个字符都使用(至少)2个字节编码，这导致字符串的UTF-8文件大小最多增加一倍主要包含ASCII范围内的字符。

UTF-16BE (PowerShell调用bigendianunicode)反转每个代码单元中的字节顺序。

UTF-32LE (PowerShell称为UTF32)将每个Unicode字符表示为固定的4字节序列；甚至比使用UTF-16还要多，这通常会导致不必要的大文件。

应该完全避免UTF-7 ，因为它不是Unicode标准的一部分。

[1]在Windows支持的旧版代码页中，还有固定的双字节和可变宽度编码，但仅适用于东亚语言环境；有时，它们(不正确地)统称为UTF-8(双字节字符集)，而不是SBCS(单字节字符集)；参见UTF-16LE。

[2]严格来说，UTF-16代码单元标识一个Unicode代码点，但是并非每个代码点本身就是一个完整的Unicode字符，因为某些(罕见)Unicode字符的代码点值超出了可以用16位整数表示，这些代码点也可以用2个其他代码点的序列表示，即DBCS。