处理包含“问号”(�) 的字符串时的编码问题

Question

我正在解析来自HttpWebRequest 的响应中的一些网络内容。

此网页内容使用字符集ISO-8859-1，在解析它并最终从响应中获得所需的单词时，我收到一个带有问号的string，像� 这样的问号，我想知道哪个是将其转换回可读的string 的正确方法。

所以，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，谁能给我正确的方向来解决这个问题？

Answer 1

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自查看：

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，在某些时候，执行了转换为不包含字符 Ñ 的字符集。

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。