处理C＃中无法编码的字符

Question

给定一个输入字符串和一个编码，我想处理输入字符串中的每个字符，如下所示：

• 如果可以编码编码点，然后对其进行编码;

• 如果不是，则输出（编码）字符串＆amp; #xuuuu;其中uuuu是Unicode CodePoint的十六进制值。

我已经阅读了encoder和encoderfallback的.NET文档，我可以看到如何在找到无法校正的字符时获得通知，但我看不到任何内容输出实际取决于所讨论的特定字符的方法。

有什么想法吗？

看起来更深一些（谢谢@Josefz），我看到encoderfallback class的描述支持三种机制，包括：

最佳拟合后回来，映射有效的Unicode字符 编码为近似等效。例如，最合适的后卫 Asciiencoding类的处理程序可能会将æ（U+00C6）映射到AE（U+0041+ U+0045）。最佳合适的后备处理程序也可以实施以将一个字母（例如西里尔）音译到另一个字母（例如 拉丁或罗马）。 .NET框架没有提供任何公众 最佳拟合后备实现。

这似乎是我所追求的：所以我必须弄清楚如何编写自己的encoderfallback的实现？

Answer 1

您可以使用以下encoderfallback和encoderfallbackbuffer来执行您想要的

public class HexFallback : EncoderFallback
{
    public override int MaxCharCount { get { return int.MaxValue; } }   // we can handle any amount of chars
    public override EncoderFallbackBuffer CreateFallbackBuffer(){ return new HexFallbackBuffer(); }
}

public class HexFallbackBuffer : EncoderFallbackBuffer
{
    int _currentPos;   // current position of invalid char encoding
    char _charToEncode;   // first or main char
    char _charToEncode2;  // lower pair of surrogate if any
    
    public override bool Fallback(char charUnknown, int index)
    {
        Reset();
        _charToEncode = charUnknown;   // store char
        return true;
    }
    
    public override bool Fallback(char charUnknownHigh, char charUnknownLow, int index)
    {
        Reset();
        _charToEncode = charUnknownHigh;   // store high and low surrogates
        _charToEncode2 = charUnknownLow;
        return true;        
    }
    
    public override int Remaining { get { return 8 - _currentPos + (_charToEncode2 != (char)0 ? 8 : 0); } }   // 8 chars per invalid char
    
    public override void Reset()
    {
        _charToEncode = (char)0;
        _charToEncode2 = (char)0;
        _currentPos = 0;
    }
    
    public override bool MovePrevious()   // can we move backwards in our encoding
    {
        if(_currentPos == 0)
            return false;
        _currentPos -= 1;
        return true;
    }
    
    public override char GetNextChar()
    {
        if(_charToEncode2 != (char)0 && _currentPos == 8)   // if we have a surrogate
        {
            _charToEncode = _charToEncode2;   // move low surrogate to main
            _charToEncode2 = (char)0;
            _currentPos = 0;   // and start again
        }
        
        char result;
        switch(_currentPos)
        {
        case 0:
            result = '&';
            break;
        case 1:
            result = '#';
            break;
        case 2:
            result = 'x';
            break;
        case 3:
            result = NibbleToHex(((int)_charToEncode) >> 12);   // shift 12 bits
            break;
        case 4:
            result = NibbleToHex(((int)_charToEncode) >> 8 & 0x0F);  // shift 8 and mask the rest
            break;
        case 5:
            result = NibbleToHex(((int)_charToEncode) >> 4 & 0x0F);  // shift 4 and mask the rest
            break;
        case 6:
            result = NibbleToHex(((int)_charToEncode) & 0x0F); //  mask all high bits
            break;
        case 7:
            result = ';';
            break;
        default:
            return (char)0;
        }
        
        _currentPos++;
        return result;
    }
    
    char NibbleToHex(int nibble)    // convert 4 bits to hex char
    {
        return (char)(
            nibble < 10
            ? nibble + (int)'0'  // Return a character from '0' to '9'
            : nibble + (int)'7'  // Return A to F
            );
    }
}

dotnetfiddle

您这样使用

var encoder = Encoding.ASCII.GetEncoder();
encoder.Fallback = new HexFallback();

var str = "Æ";
var buffer = new byte[1000];

var length = encoder.GetBytes(str.ToCharArray(), 0, str.Length, buffer, 0, true);

// write out encoded string
Console.WriteLine(Encoding.ASCII.GetString(buffer, 0, length));