c# - 读取包含 unicode 字符的文件

Question

我有一个 asp.net c# 页面，我正在尝试读取一个具有以下字符的文件，并将其转换为 '. (从斜撇号到撇号)。

FileInfo fileinfo = new FileInfo(FileLocation);
string content = File.ReadAllText(fileinfo.FullName);

//strip out bad characters
content = content.Replace("’", "'");

这不起作用，它会将倾斜的撇号更改为 ?标记。

Answer 1

我怀疑问题不在于替换，而在于读取文件本身。当我尝试这种 nieve 方式(使用 Word 和复制粘贴)时，我得到了与您相同的结果，但是检查 content 表明 .Net 框架认为该字符是 Unicode 字符 65533，即“WTF？”字符 before 字符串替换。您可以通过检查 Visual Studio 调试器中的相关字符自行检查，它应该显示字符代码:

content[0]; // 65533 '�'

替换不起作用的原因很简单 - content 不包含您提供的字符串:

content.IndexOf("’"); // -1

至于为什么无法正常读取文件 - 可能是您在读取文件时使用了错误的编码。 (如果没有指定编码，那么 .Net 框架将尝试为您确定正确的编码，但是没有 100% 可靠的方法来执行此操作，因此它经常会出错)。您需要的确切编码取决于文件本身，但在我的例子中，使用的编码是 Extended ASCII ，所以要读取文件，我只需要指定正确的编码:

string content = File.ReadAllText(fileinfo.FullName, Encoding.GetEncoding("iso-8859-1"));

(参见 this question)。

您还需要确保在替换字符串中指定了正确的字符 - 当在代码中使用“奇数”字符时，您可能会发现通过字符代码而不是字符串文字来指定字符更可靠 (如果源文件的编码发生变化，这可能会导致问题)，例如以下对我有用:

content = content.Replace("\u0092", "'");