为什么这会出现在我的 c# 字符串中：答案

【问题标题】：Why is this appearing in my c# strings: Â£为什么这会出现在我的 c# 字符串中：
【发布时间】：2009-03-30 10:07:23
【问题描述】：

我在 c# 中有一个字符串，初始化如下：

string strVal = "£2000";

但是，每当我写出这个字符串时，都会写下以下内容：

2000 英镑

它不会用美元来做这件事。

我用来写出值的示例代码：

System.IO.File.AppendAllText(HttpContext.Current.Server.MapPath("/logging.txt"), strVal);

我猜这与本地化有关，但如果 c# 字符串只是 unicode，这肯定可以工作吗？

澄清：更多信息，Jon Skeet 的回答是正确的，但是当我对字符串进行 URLEncode 时，我也遇到了问题。有没有办法防止这种情况发生？

所以 URL 编码的字符串如下所示：

“%c2%a32000”

%c2 = Â %a3 = 英镑

如果我编码为 ASCII，£ 输出为 ?

还有什么想法吗？

【问题讨论】：

【解决方案1】：

AppendAllText 正在用 UTF-8 写出文本。

你用什么看它？可能是它不理解 UTF-8，或者没有先尝试 UTF-8。告诉您的编辑器/查看器这是一个 UTF-8 文件，一切都应该很好。或者，使用 AppendAllText 的重载，它允许您指定编码并使用对您最方便的编码。

编辑：针对您编辑的问题，使用 ASCII 编码时失败的原因是 £ 不在 ASCII 字符集中（即 Unicode 0-127）。

从外观上看，URL 编码也使用 UTF-8。同样，如果您想使用不同的编码，请将其指定为接受编码的 HttpUtility.UrlEncode 重载。

【讨论】：

【解决方案2】：

在 HTML 页面和 HTTP 标头中使用的 URL 的默认字符集称为 ISO-8859-1 或 ISO Latin-1。

它与 UTF-8 不同，也与 ASCII 不同，但它确实适合每个字符一个字节。 0 到 127 的范围很像 ASCII，0 到 255 的整个范围与 Unicode 的 0000-00FF 范围相同。

因此，您可以通过将每个字符转换为一个字节来从 C# 字符串生成它，或者您可以使用 Encoding.GetEncoding("iso-8859-1") 获取一个对象来为您进行转换。

（在此字符集中，英磅符号为 163。）

背景

The RFC says 未编码的文本必须限制在传统的 7 位 US ASCII 范围内，并且必须对其他任何内容（加上特殊的 URL 分隔符）进行编码。但它留下了一个问题，即 8 位范围的上半部分使用什么字符集，使其依赖于 URL 出现的上下文。

该上下文是由另外两个标准 HTTP 和 HTML 定义的，它们确实指定了默认字符集，并且它们共同对实现者产生了一种实际上不可抗拒的力量，即假设地址栏包含引用 ISO- 的百分比编码。 8859-1。

ISO-8859-1 is the character set of text-based content sent via HTTP 除非另有说明。因此，当 URL 字符串出现在 HTTP GET 标头中时，它应该在 ISO-8859-1 中。

另一个因素是 HTML 也使用 ISO-8859-1 作为其默认值，并且 URL 通常源自 HTML 页面中的链接。因此，当您在记事本中制作一个简单的最小 HTML 页面时，您在该文件中键入的 URL 采用 ISO-8859-1 格式。

它有时被描述为标准中的“漏洞”，但实际上并非如此；只是 HTML/HTTP 填补了 RFC 为 URL 留下的空白。

因此，例如，this page 上的建议：

字符的 URL 编码包括一个“%”符号，后跟两位十六进制表示 ISO-Latin 的（不区分大小写）字符的代码点。

（ISO-Latin 是 IS-8859-1 的另一个名称）。

理论就讲这么多。将此粘贴到记事本中，将其保存为 .html 文件，然后在几个浏览器中打开它。点击链接，Google 应该会搜索英镑。

<HTML>
  <BODY>
    <A href="http://www.google.com/search?q=%a3">Test</A>
  </BODY>
</HTML>

它适用于 IE、Firefox、Apple Safari、Google Chrome - 我目前没有其他可用的。

【讨论】：

这完美地解决了我的问题。只需将 iso-8859-1 编码放在我的 UrlEncode 上即可。
您有关于 URL 的默认字符编码信息的来源吗？我认为这是那些令人讨厌的未指明的事情之一。我没有争议，但我想看看它在哪里被指定为默认值。顺便说一句，您还可以使用 Encoding.GetEncoding(28591) 来获取 ISO-8859-1。
我很感兴趣为什么 URLEncode 不会自动进行这种转换。由于 C# 中的字符串是 UTF-8，因此让 URLEncode 方法接受这样的字符串并正确编码将是相当直观的。除非我手动指定正确的编码，否则不会摔倒？
@tsaunders：不，字符串不是 UTF-8。它们是 UTF-16。 UrlEncode 默认使用 UTF-8。正如我所说，我认为 URL 规范没有指定用于 UrlEncoded 字符的编码，这很痛苦。
@Jon Skeet - 添加了一些背景；它不在 URL 规范中，但在 HTML 和 HTTP 规范中。

【解决方案3】：

请注意，%a3 不能以 ASCII（7 位，Basic Latin）编码。

【讨论】：

【解决方案4】：

我注意到只有在使用长字符串（超过 4000 个）字符时才会发生这种情况。我的解决方案是在接收到数据库中的参数后，我只需将 Â 符号替换为空。请注意，实际上可能需要 Â，如果是这种情况，则此解决方案不合适。

【讨论】：