如何在不丢失奇数字符的情况下读取文本文件？答案

【问题标题】：How do you read a text file without losing odd characters?如何在不丢失奇数字符的情况下读取文本文件？
【发布时间】：2009-11-26 17:29:29
【问题描述】：

我想使用 System.IO.File.ReadAllLines 将文本文件读入字符串数组。但是，ReadAllLines 会删除文件中我想保留的一些奇怪字符，例如 chr(187)。我尝试了一些不同的编码选项，但这无济于事，而且我没有看到“无编码”选项。

我可以使用 FileOpen 和 LineInput 来读取文件而无需修改，但这有点慢。使用 FileSystemObject 也可以正常工作，但我不想使用它。

在.net中将文本文件读入字符串数组而不进行修改的最佳方法是什么？

【问题讨论】：

你能发布你现在如何做的代码吗？
请记住，string 是“一系列字符”的数据类型。如果您想保留文件当前外观的确切方式，您可能应该使用字节数组。否则，您必须知道编码才能赋予字节可以在字符串中表示的含义。
由于编码不同，请具体说明您希望看到的 CHR(187) 字符。例如，“右指向双角引号”。是你要找的那个吗？
现在我正在使用 ss = File.ReadAllLines(infile, System.Text.Encoding.default)。我意识到我可以使用字节数组，但我更喜欢使用字符串，因为我处理字符串。更重要的是，当我阅读一个文件时，我想确保我得到了所有文件，没有删除一些字符。
那么你实际上想要的是字节，而不是字符。看我的回答。

【解决方案1】：

没有“无编码”这样的概念。你必须找出正确的编码，否则你不可能正确解释数据。

当您说“chr(187)”时，您指的是什么 Unicode 字符？

您可能想尝试的一些编码：

【讨论】：

当我说 chr(187) 时，我的意思是文件中那个字节的值是 187。我意识到它必须转换为 Windows 中的某个字符，我不在乎那是哪个角色。但我希望能够将我的字符串中的那个字符视为等于 chr(187) 的字符。现在，当我使用 ReadAllLines 和上述三个编码选项中的任何一个时，该字符丢失了。
我猜你想要的代码页是 1252 西欧 (Encoding.GetEncoding(1252))。您确定您完全“缺少”角色吗？ ReadAllBytes(..., Encoding.GetEncoding(28591)) 以及大多数语言环境的 Encoding.Default 值会将每个字节转换为 some 字符或其他字符（尽管在 28591 的情况下它将是控制字符），所以如果它们不是让它通过你在其他地方有问题。
GetEncoding(1252) 不这样做。是的，字符已从文件中删除。如果我在 WriteAllLines 之后立即执行 ReadAllLines，则输出文件小于输入文件。

【解决方案2】：

听起来您想读取原始字节。

使用File.ReadAllBytes 将它们读入一个数组（不要对大文件这样做），或者使用FileStream 一次读取字节块。

【讨论】：

【解决方案3】：

被删除的字符位于文件的开头。事实证明，它们是 UTF-8 的字节顺序标记。 File.ReadAllLines 和 File.ReadAllText 去除了字节顺序标记，而 LineInput 和 FileSystemObject 函数没有。

如果我在问题中解释了奇数字符位于文件开头，我想我会得到一个快速的答案。我将把对我提出的问题的最佳答案归功于 Jon Skeet。

【讨论】：