c# – 如何选择正确的代码页来解码CArchive编码的内容

在.net中我想解码由C应用程序编码的一些原始数据. C应用程序是32位,C#应用程序是64位.

C应用程序支持俄语和西班牙语字符,但它不支持unicode字符.这个C#二进制阅读器无法读取俄语或西班牙语字符,仅适用于英语ascii字符.

CArchive没有指定任何编码,我不知道如何从C#中读取它.

我已经测试了几个简单的字符串,这就是C CArchive提供的：

对于“ABC”：“03 41 42 43”

对于“ÁåëÀÇ7555”：“0B C1 E5 EB C0 C7 20 37 35 35 35 C2”

以下显示了C应用程序如何编写二进制文件.

void CColumnDefArray::SerializeData(CArchive& Archive)
{
    int iIndex;
    int iSize;
    int iTemp;
    CString stemp;

    if (Archive.Isstoring())
    {
        Archive << m_iBaseDataCol;
        Archive << m_iNPValueCol;

        iSize = GetSize();
        Archive << iSize;
        for (iIndex = 0; iIndex < iSize; iIndex++)
        {
            CColumnDef& ColumnDef = ElementAt(iIndex);
            Archive << (int)ColumnDef.GetColumnType();
            Archive << ColumnDef.GetColumnId();
            stemp = ColumnDef.GetName();
            Archive << stemp;
        }
    }
}

这就是我试图用C#读取它的方法.

以下可以解码“ABC”而不是俄罗斯的特征.我已经测试了这个.使用所有可用选项(Ascii,UTF7等)进行编码.俄语字符仅适用于Encoding.Default.但显然这不是一个可靠的选择,因为编码和解码通常发生在不同的PC上.

public override string ReadString()
        {
            byte blen = ReadByte();
            if (blen < 0xff)
            {
                // *** For russian characters it comes here.***
                return this.Encoding.GetString(ReadBytes(blen));
            }

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

            if (slen < 0xffff)
            {
                return this.Encoding.GetString(ReadBytes(slen));
            }

            var ulen = (uint) ReadInt32();
            if (ulen < 0xffffffff)
            {
                var bytes = new byte[ulen];
                for (uint i = 0; i < ulen; i++)
                {
                    bytes[i] = ReadByte();
                }

                return this.Encoding.GetString(bytes);
            }

            //// Not support for 8-byte lengths 
            throw new NotSupportedException(ServerMessages.EightByteLengthStringsAreNotSupported());
        }

解码这个的正确方法是什么？您认为选择正确的代码页是解决这个问题的方法吗？如果是这样,如何知道用于编码的代码页？

感谢有人能告诉我正确的方向来完成这项工作.

编辑

我猜this Question和“The Absolute Minimum Every Software Developer Absolutely,Positively Must Know About Unicode and Character Sets (No Excuses!)”文章解决了一些疑问.显然,无法为现有数据找到正确的代码页.

我想现在的问题是：是否有支持所有西班牙语,俄语和英语字符的代码页？我可以在C CArchive类中指定代码页吗？

解决方法

非Unicode C程序将数据写为0B C1(字符串的长度,后跟字节)

“ÁåëÀÇ7555”是代码页1252中字节的表示

在英语计算机上,以下代码返回“ÁåëÀÇ7555”.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“ÁåëÀÇ7555”：

//result will be `"ÁåëÀÇ 7555Â"`,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 = "ελληνικά";
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 "åëëçíéêÜ"
Encoding cp1252 = Encoding.GetEncoding(1252);
string result = cp1252.GetString(bytes);

结果是“åëëçíéêÜ”.但理想的结果是“ελληνικά”

//result will be "ελληνικά"
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 "ÁåëÀÇ 7555Â"...
    //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

c# – 如何选择正确的代码页来解码CArchive编码的内容

解决方法

相关推荐