如何在 Twitter 更新中处理 ISO-2022-JP（和其他字符集）？

Question

我的应用程序的一部分接受任意文本并将其作为更新发布到 Twitter。一切工作正常，直到发布外国（非 ASCII/UTF7/8 ）字符集，然后事情就不再工作了。

例如，如果有人发帖：
に投稿できる

它（在 Visual Studio 调试器中的我的代码中）变成：
=?ISO-2022-JP?B?GyRCJEtFajlGJEckLSRrGyhC?=

谷歌搜索告诉我，这代表（减号？作为分隔符）

=?ISO-2022-JP 是文本编码
?B表示它是base64编码的
?GyRCJEtFajlGJEckLSRrGyhC? 是编码字符串

对于我的一生，我无法弄清楚如何将此字符串以其原始日语字符作为更新发布到 Twitter。就目前情况而言，将“=？ISO-2022-JP？B？GyRCJEtFajlGJEckLSRrGyhC？=”发送到Twitter将导致该内容被发布。我还尝试将字符串分成上面的片段，使用 System.Text.Encoding 将 ISO-2022-JP 转换为 UTF8，反之亦然，base64 解码而不解码。此外，我还尝试了状态更新的 URL 编码，如下所示：

string[] bits = tweetText.Split(new char[] { '?' });
if (bits.Length >= 4)
{
textEncoding = System.Text.Encoding.GetEncoding(bits[1]);
xml = oAuth.oAuthWebRequest(TwitterLibrary.oAuthTwitter.Method.POST, url, "status=" +   System.Web.HttpUtility.UrlEncode(decodedText, textEncoding)); 
}

无论我做什么，结果都永远不会恢复正常。

编辑： 最后得到了。对于那些在家里关注的人来说，它最终与下面列出的答案非常接近。这只是 Visual Studios 调试器给我带来了错误的方向，以及我正在使用的 Twitter 库中的一个错误。最终结果是这样的：

decodedText = textEncoding.GetString(System.Convert.FromBase64String(bits[3]));
byte[] originalBytes = textEncoding.GetBytes(decodedText);
byte[] utfBytes = System.Text.Encoding.Convert(textEncoding, System.Text.Encoding.UTF8, originalBytes);
// now, back to string form
decodedText = System.Text.Encoding.UTF8.GetString(utfBytes);

谢谢大家。

Answer 1

这产生了您正在寻找的输出：

using System;
using System.Text;

class Program {
  static void Main(string[] args) {
    string input = "に投稿できる";
    Console.WriteLine(EncodeTwit(input));
    Console.ReadLine();
  }
  public static string EncodeTwit(string txt) {
    var enc = Encoding.GetEncoding("iso-2022-jp");
    byte[] bytes = enc.GetBytes(txt);
    char[] chars = new char[(bytes.Length * 3 + 1) / 2];
    int len = Convert.ToBase64CharArray(bytes, 0, bytes.Length, chars, 0);
    return "=?ISO-2022-JP?B?" + new string(chars, 0, len) + "?=";
  }
}

标准很棒，有很多可供选择。 ISO 从来不会让人失望，ISO-2022-JP 编码不少于 3 种。如果遇到问题，也可以尝试编码 50221 和 50222。

Answer 2

您对文本编码方式的理解似乎是正确的。在 python 中

'GyRCJEtFajlGJEckLSRrGyhC'.decode('base64').decode('ISO-2022-JP')

返回正确的 unicode 字符串。请注意，您需要先解码 Base64 才能获取 ISO-2022-JP 编码文本。