C# 小敘 Encoding (一)C#文字字碼頁,文字編碼的字碼頁名稱速查表

前言

    眾所周知電腦只能識別位元字，如1010,1001。我們螢幕所看到的文字，字元都是和二進位轉換後的結果。將我們的文字按照某種規則轉換二進位儲存在電腦上，這一個過程叫字元編碼，反之就是解碼。目前存在多種字元編碼方式，一組位元字根據不同的解碼方式，會得到不同的結果，有時甚至會得到亂碼。這也就是為什麼我們開啟網頁時有時會是亂碼，開啟一個文字檔有時也是亂碼，而換了一種編碼就恢複正常了。CLR中的所有字元都是16位Unicode來表示的。CLR中的Encoding就是用於位元組和字元之間的轉換的。更多字元編碼知識請參考，字元集和字元編碼（Charset & Encoding）

關於Encoding

    CLR中的Encoding是在System.Text命名空間下的，它是一個抽象類別(abstract class)，  所以不能被直接執行個體化，它主要有如下的衍生類別：ASCIIEnding，UnicodeEncoding，UTF32Encoding，UTF7Encoding，UTF8Encoding，你可以根據需要選擇一個合適的Encoding來進行編碼和解碼。你也可以調用Encoding的靜態屬性ASCII，Unicode，UTF32，UTF7，UTF8，來構造一個Encoding。其中Unicode是表示16位Encoding。調用靜態屬性和執行個體化一個子類的效果是一樣的，如下代碼。

1 Encoding encodingUTF8 = Encoding.UTF8;2 Encoding encodingUTF8 = new UTF8Encoding(true);

    以下是這些類型的一些簡單描述：

    ASCII編碼  將16位字元編碼成ASCII碼，只能轉換值小於Ox0080的16字元，並且被轉換成單位元組，就是說一個字元對應一個位元組。當字元都在ASCII範圍(0X00~0X7F)內時，可以用這種編碼，它的速度非常快，適合於英美地區的字元。這種編碼非常有限，漢字會被轉換成亂碼。在CLR對應ASCIIEndoing。

    UTF-16     每個字元編碼成2個位元組，它不會對字元產生任何影響，也不會涉及到壓縮處理，效能非常好，因為CLR中的字元也是16位的Unicode。在CLR中對應UnicodeEncoding。

    UTF-32     使用4個位元組編碼成一個字元。從記憶體角度上講，它並不是一種高效能的編碼方案，因為第個字元都是4個位元組，特別占記憶體，所以很少用來做檔案和網路流的編碼解碼。在CLR中對應UTF32Encoding。

    UTF-8      值在Ox0080之下的字元壓縮成一個字元，也就是ASCII碼;值在0X0080---0X07FF之間的字元都轉換成2個字元，適合用於歐洲和中東地區。0X0800以上被轉換成3個字元，適合於東亞地區的字元。代理項被轉換成4個位元組。因此，它是一種非常流行的編碼，適用於互連網。它在處理0X0800以上的字元效率不好UTF-16。在CLR中對應UTF8Encoding。

    UTF-7     這咱編碼通常用於舊的系統，那時的系統是用7位值表示。目前已經被Unicode協淘汰。在CLR中對應UTF7Encoding。

   從效能角度上來講，如果你的代碼需要在多處調用一個Encoding，微軟建議你使用靜態成員的方式構造一個Encoding對象，而不是構造執行個體。它的內部實現是一個單例模式。

public static Encoding UTF8{    get    {        if (utf8Encoding == null)        {            utf8Encoding = new UTF8Encoding(true);        }        return utf8Encoding;    }}

     如果你知道某種編碼的字碼頁(code page)或名字，那麼你可以調用Encoding的靜態方法GetEncoding(int codepage)，GetEncoding(string name)來構造一個Encoding，比如我們常用的用於顯示簡體中文的gb2312，它的字碼頁是936，我們就可以這樣定義：

Encoding encodingGB2312=Encoding.GetEncoding("gb2312");Encoding encodingGB2312=Encoding.GetEncoding(936);

    目前有幾十種文字字碼頁，分別對應於不同的國家，不同的語言，它們只是對應Unicode字元集裡的相一部分，比如說936，它只是對應於Unicode字元集裡簡體中文的那一部分，如果你想正確的顯示繁體字，那麼就要用中文繁體對應的字碼頁950。具體的字碼頁有哪些可以參考MSDN或園子裡這篇文章，C#文字字碼頁,文字編碼的字碼頁名稱速查表。

   下面代碼可以返回CLR中所有的Encoding。

            foreach (EncodingInfo eInfo in Encoding.GetEncodings())            {                Console.WriteLine("Encoding code page is {0}, encoding name is {1}", eInfo.CodePage, eInfo.Name);                Console.WriteLine("Encoding dispaly name is {0}", eInfo.DisplayName);            }

 

   Encoding對象有一個靜態屬性Default，它返回的也是一個Encoding對象，至於返回哪個語言的Encoding取決於你電腦裡-->控制台->地區和語言 裡面的設定，也就是ANSI。如，我電腦裡設定是Chinses(Simplified, PRC)也就是簡體中文，那麼對應的就是gb2312，所以下面代碼會列印gb2312。如果你的代碼在不止一個國家裡使用，那麼你最好不要Encoding.Default，這樣會造成亂碼，你最好用Encoding.UTF8。

Encoding encoding1 = Encoding.Default;Console.WriteLine(encoding1.WebName);

 待續。。。

下一節將講如何使用Encoding，BOM，還有Encoder及Decoder。。。。