C# 编码转换为 UTF-8 - Windows 7 与 Windows Server 2008 R2 上的不同行为？

Question

在将编码转换为 UTF-8 时，我在 Windows 平台之间遇到了一些奇怪的行为。如果我有一个带有“扩展 ASCII”字符的字符串，比如商标符号的字符 0x99，我可以在 Windows 7 上使用以下代码对其进行转换：

using System.Text;
...
string DefaultEncodedStr = <<Some string with Extended ASCII chars like 0x99 for TM>>
byte[] DefaultEncodedBytes = Encoding.Default.GetBytes(DefaultEncodedStr);
byte[] UTF8EncodedBytes = Encoding.Convert(Encoding.Default, Encoding.UTF8, DefaultEncodedBytes);
char[] UTF8Chars = new char[Encoding.UTF8.GetCharCount(UTF8EncodedBytes, 0, UTF8EncodedBytes.Length)];
UTF8.GetChars(UTF8EncodedBytes, 0, UTF8EncodedBytes.Length, UTF8Chars, 0);
string UTF8Str = new string(UTF8Chars); 

但是，此代码无法在 Windows Server 2008 R2 上转换初始字符串 - “扩展 ASCII”字符仍存在于最终字符串中。

但是，此代码在 Windows Server 2008 R2 上运行：

using System.Text;
...
string DefaultEncodedStr = <<Some string with Extended ASCII chars like 0x99 for TM>>
byte[] DefaultEncodedBytes = Encoding.Default.GetBytes(DefaultEncodedStr)
string UTF8Str = Encoding.UTF8.GetString(DefaultEncodedBytes); 

但是，此代码无法在 Windows 7 上转换字符串！！

什么给了？为什么我看到使用相同内核基础 (Win7) 的桌面类和服务器类操作系统之间的行为不同？我真的需要包含某种平台检测代码来确定如何正确处理编码转换吗？？

Answer 1

.NET 字符串是 Unicode 字符序列。如果你有一个字符串

string s = "™";

那么字符串由 Unicode U+2122 TRADE MARK SIGN 字符组成。

所以，等效地你可以写

string s = "\u2122";

您可以使用编码将此字符序列转换为字节序列。

一种编码是 UTF-8：

byte[] bytes = Encoding.UTF8.GetBytes(s);
// bytes == { 0xE2, 0x84, 0xA2 }

另一种编码是 Windows-1252：

byte[] bytes = Encoding.GetEncoding("Windows-1252").GetBytes(s);
// bytes == { 0x99 }

所以，如果你有一个字节序列，它代表 Windows-1252 中的一个字符串，并且由字节 0x99 组成，你可以将它解码为一个字符串，如下所示：

string result = Encoding.GetEncoding("Windows-1252").GetString(bytes);
// result == "™"

Encoding.Default 返回操作系统的默认编码。这可能是 Windows-1252，但不是必须的。始终明确指定要使用的编码。

不同的计算机可以使用不同的编码作为默认编码，甚至可以在一台计算机上更改默认编码。因此，从一台计算机流式传输到另一台计算机甚至在同一台计算机上不同时间检索的数据可能会被错误地转换。

另见：

• The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)