c# – 如何选择正确的代码页来解码CArchive编码的内容

“á??à?7555”是代码页1252中字节的表示

在英语计算机上,以下代码返回“á??à?7555”.如果两个程序使用相同的代码页,则此方法有效：

string result = Encoding.Default.GetString(bytes);

您也可以直接使用代码页1252.这将保证结果对于该特定字节集总是“á??à?7555”：

//result will be `"á??à? 7555?"`,always
Encoding cp1252 = Encoding.GetEncoding(1252);
string result = cp1252.GetString(bytes);

但是,这可能无法解决任何问题.考虑使用希腊文本的示例：

string greek = "ελληνικ?";
Encoding cp1253 = Encoding.GetEncoding(1253);
var bytes = cp1253.GetBytes(greek);

字节将类似于C程序的输出.您可以使用相同的技术来提取文本：

//result will be "????íéêü"
Encoding cp1252 = Encoding.GetEncoding(1252);
string result = cp1252.GetString(bytes);

结果是“????íéêü”.但理想的结果是“ελληνικ?”

//result will be "ελληνικ?"
Encoding cp1253 = Encoding.GetEncoding(1253);
string greek_decoded = cp1253.GetString(bytes);

因此,为了进行正确的转换,您必须拥有C程序正在使用的原始代码页(我只是重复Hans Passant)

您可以进行以下修改：

public override string ReadString()
{
    //Default code page if both programs use the same code page
    Encoding encoder = System.Text.Encoding.Default;

    //or find out what code page the C++ program is using
    //Encoding encoder = System.Text.Encoding.GetEncoding(codepage);

    //or use English code page to always get "á??à? 7555?"...
    //Encoding encoder = System.Text.Encoding.GetEncoding(1252);
    //(not recommended)

    byte blen = ReadByte();
    if (blen < 0xff)
        return encoder.GetString(ReadBytes(blen));

    var slen = (ushort)ReadInt16();
    if (slen == 0xfffe)
        throw new NotSupportedException(
            ServerMessages.UnicodeStringsAreNotSupported());

    if (slen < 0xffff)
        return encoder.GetString(ReadBytes(blen));

    var ulen = (uint)ReadInt32();
    if (ulen < 0xffffffff)
    {
        var bytes = new byte[ulen];
        for (uint i = 0; i < ulen; i++)
            bytes[i] = ReadByte();
        return encoder.GetString(ReadBytes(blen));
    }

    throw new NotSupportedException(
        ServerMessages.EightByteLengthStringsAreNotSupported());
}

附加评论：

非Unicode MFC程序可以使用英语或俄语输入,但不能同时输入两种语言.这些旧程序使用char来存储每字节最多255个字母. 255英语,俄语,希腊语,阿拉伯语的所有字母都没有足够的空间……

代码页1252将字符映射到拉丁字母.代码页1253将字符映射到希腊字母表等.

因此,您的MFC文件只包含一个代码页的一种语言.

西欧语言(英语,西班牙语,葡萄牙语,德语,法语,意大利语,瑞典语等)使用代码页1252.如果用户留在该语言组中,那么应该没有太多麻烦. System.Text.Encoding.Default应该解决问题,或者更好的是System.Text.Encoding.GetEncoding(variable_codepage)

Windows中有一些相关的ANSI代码页

06006

没有Unicode,不支持某些亚洲语言. ANSI不支持某些Unicode符号,因此无法做任何事情.

可以强制非unicode程序使用多个代码页.但这不实际.升级到Unicode并执行此操作要容易得多.

另见The Minimum Software Developers Must Know About Unicode