.NET学习笔记之使用ASP.NET编码的方法

ASP.NET编码

乱码－我们心中的痛！

• “字符与编码”是一个被经常讨论的话题。即使这样，时常出现的乱码仍然困扰着大家。虽然我们有很多的办法可以用来消除乱码，但我们并不一定理解这些办法的内在原理。而有的乱码产生的原因，实际上由于底层代码本身有问题所导致的。

• 因此，不仅是初学者会对字符编码感到模糊，有的底层开发人员同样对字符编码缺乏准确的理解。

字符与编码的发展

字符串在内存中的存放方法

• 在ASCII 阶段，单字节字符串使用一个字节存放一个字符（SBCS）。比如，“Bob123” 在内存中为：

– 426F 62 31 32 33 00

– B o b 1 2 3 /0

• 在使用ANSI 编码支持多种语言阶段，每个字符使用一个字节或多个字节来表示，比如，“中文123” 在中文Windows95 内存中为7个字节：

– D6D0CEC4 31 32 33 00

– 中文1 2 3 /0

• UNICODE中，计算机存放字符串时，改为存放每个字符在UNICODE 字符集中的序号。目前计算机一般使用2 个字节（16 位）来存放一个序号（DBCS），因此，这种方式存放的字符也被称作宽字节字符。比如，字符串“中文123” 在Windows 2000 下，内存中实际存放的是5 个序号，共10个字节：

– 2D4E8765 3100 3200 3300 0000

– 中文1 2 3 /0

【示例代码】

string str = "中文123";//UNICODE编码

Console.WriteLine(str.Length);//长度为5

//字符串与字节串之间相互转换

Encoding gb = Encoding.GetEncoding("gb2312");

byte[] bytes = gb.GetBytes(str);//从字节按照GB2312得到字符数量

char[] chars = gb.GetChars(bytes);//从字节按照GB2312得到UNICODE字符串

str = gb.GetString(bytes);

//要将string按照某种编码写入文本文件，有两种方法

//第一种：用Stream类写入已经按照指定编码转化好的字节串

StreamWriter sw = new StreamWriter("1.txt");//9字节：

sw.Write(chars);

sw.Close();

//第二种方法：构造指定编码的Writer来写入字符串

StreamWriter sw2 = new StreamWriter("2.txt", false, gb); //7字节

sw2.Write(str);

sw2.Close();

Unicode字符集

• 名称的由来

– Unicode字符集编码是Universal Multiple-Octet Coded CharacterSet 通用多八位编码字符集的简称，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

• UTF-8 编码

– UTF-8是Unicode的其中一个使用方式。UTF是UnicodeTranslation Format，即把Unicode转做某种格式的意思。UTF-8使用可变长度字节来储存Unicode字符，例如ASCII字母继续使用1字节储存，重音文字、希腊字母或西里尔字母等使用2字节来储存，而常用的汉字就要使用3字节。辅助平面字符则使用4字节。

• UTF-32、UTF-16 和UTF-8 ：

– Unicode 标准的编码字符集的字符编码方案，UTF-16 使用一个或两个未分配的16 位代码单元的序列对Unicode 代码点进行编码；UTF-32 即将每一个Unicode 代码点表示为相同值的32 位整数

易产生乱码的情况

– 非UNICODE 程序在不同语言环境间移植时的乱码

• 非UNICODE 程序中的字符串，都是以某种ANSI 编码形式存在的。如果程序运行时的语言环境与开发时的语言环境不同，将会导致ANSI 字符串的显示失败。

• 由于客观原因，有时候我们必须在中文操作系统下运行非UNICODE 的日文软件，这时我们可以采用一些工具，比如，南极星，AppLocale 等，暂时的模拟不同的语言环境。

– 网页提交字符串

• 当页面中的表单提交字符串时，首先把字符串按照当前页面的编码，转化成字节串。然后再将每个字节转化成"%XX" 的格式提交到Web 服务器。比如，一个编码为GB2312 的页面，提交"中" 这个字符串时，提交给服务器的内容为"%D6%D0"。

• 在服务器端，Web 服务器把收到的“%D6%D0”转化成[0xD6, 0xD0] 两个字节，然后再根据GB2312 编码规则得到“中” 字。

• 默认情况下，当提交“%D6%D0” 给服务器时，将返回[0x00D6, 0x00D0] 两个UNICODE 字符，而不是返回一个“中” 字符。所以出现乱码

– 从数据库读取字符串

通过数据库客户端（比如ODBC 或JDBC）从数据库服务器中读取字符串时，客户端需要从服务器获知所使用的ANSI 编码。当数据库服务器发送字节流给客户端时，客户端负责将字节流按照正确的编码转化成UNICODE 字符串。

– 电子邮件中的字符串

• 当一段Text 或者HTML 通过电子邮件传送时，发送的内容首先通过一种指定的字符编码转化成“字节串”，然后再把“字节串”通过一种指定的传输编码（Content-Transfer-Encoding）进行转化得到另一串“字节串”。

• 最常用的Content-Transfer-Encoding 有Base64 和Quoted-Printable 两种。

邮件标题编码

• 邮件的标题，用了一种更简短的格式来标注“字符编码”和“传输编码”。比如，标题内容为“中”，则在邮件源代码中表示为：

• // 正确的标题格式

Subject: =?GB2312?B?1tA=?=

– 第一个“=?”与“?”中间的部分指定了字符编码，在这个例子中指定的是GB2312。

– “?”与“?”中间的“B”代表Base64。如果是“Q”则代表Quoted-Printable。

– 最后“?”与“?=”之间的部分，就是经过GB2312 转化成字节串，再经过Base64 转化后的标题内容。

• 如果“传输编码”改为Quoted-Printable，同样，如果标题内容为“中”：

– Subject: =?GB2312?Q?=D6=D0?=

【示例代码】

//乱码的产生

Encoding client = Encoding.GetEncoding("gb2312");

byte[] bytes = client.GetBytes(str);//根据GB2312得到字节

//服务器端按照gb2312正确解码

Encoding serverOK = Encoding.GetEncoding("GB2312");

string server = serverOK.GetString(bytes);

Console.WriteLine("正确转换：" + server);

//服务器按照Unicode错误解码

server = Encoding.Unicode.GetString(bytes);

Console.WriteLine("错误转换：" + server); //乱码

.NET下的编码类

System.Text

• System.Text 命名空间包含表示ASCII、Unicode、UTF-7和UTF-8 字符编码的类；用于将字符块转换为字节块和将字节块转换为字符块的抽象基类。

【示例代码】

//编码之间的转换

string unicodeStr = "this is a room";

//创建不同编码

Encoding ascii = Encoding.ASCII;

Encoding unicode = Encoding.Unicode;

//从一种编码转换成另外一种编码

byte[] unicodeBytes = unicode.GetBytes(unicodeStr);

byte[] asciiBytes = Encoding.Convert(unicode, ascii, unicodeStr);

//转换成字符串

char[] asciiChars=new char[ascii.GetCharCount(asciiBytes,0,asciiBytes.Length)];

ascii.GetChars(asciiBytes, 0, asciiBytes.Length, asciiChars, 0);

string asciiStr = new string(asciiChars);

Console.WriteLine("Original:{0}", unicodeStr);

Console.WriteLine("ASCII Coverted string:{0}", asciiStr);

ASP.NET下的编码

• web.config文件全球化: