[問題] GBK轉編碼

[pkmu8426 (巴426)]

各位先進好,

目標字(範例):  蹈桶狟婥

我測了一些方式, 想把這串GBK編碼的文字轉成可識別的中文, 無論是簡或繁。

目前已知
1. .Net中任何String的表示形式 都是Unicode

2. System.text.Encodng class提供一些 API可以轉

3. 轉換時要指定輸入編碼  輸出編碼, 並一律以byte[]形式進行轉換

相關語法
ex. Encoding.getEncoding("編碼").getbytes(string)   (轉成byte[])

    Encoding.convert(原編碼,目標編碼, 要轉的byte[]) (轉成byte[])

    Encoding.getEncoding("編碼").getString(byte[])  (轉成string)
    等等...


我做了各種測試  但是找不到正確的用法把GBK文字轉成中文
頂多show出的結果是原來的GBK目標字而不是亂碼。
不曉得原因為何?


如果是.NET不支援GBK, 但我測試過 下面這行
StreamReader(path + ".txt",Encoding.GetEncoding("GBK"));
編碼卻是轉換成功的, 可以正確顯示中文。


請問有人知道怎解嗎?  謝謝。

--
人生  何必

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 122.118.23.78
※ 文章網址: http://www.ptt.cc/bbs/C_Sharp/M.1402975455.A.3AA.html
→ pkmu8426:不好意思 補充一下 官方語法我有測過, 也都是byte[]時轉
→ pkmu8426:轉出來的結果卻是失敗@ @
→ pkmu8426:有按照相對應的碼去接和解  用法應該是沒用錯
推 Litfal:答：列表下载
→ Litfal:你一定想反了。
→ Litfal:你想想你最後是因為哪個decode才拿到錯的字串？再反推回去
→ Litfal:就會得到答案了。
抱歉  不是很能理解...  我原不想把語法貼上來  因為可能是錯的

但不貼上來   可能大家也不知道錯在哪  我下面貼一下。

string s = "蹈桶狟婥";

//轉成GBK byte[]
byte[] gbk_byte = Encoding.GetEncoding("gbk").GetBytes(s.ToString());

//轉成UTF8 byte[]
byte[] utf8_byte =
Encoding.Convert(Encoding.GetEncoding("gbk"), Encoding.UTF8, gbk_byte);

//轉成顯示字串
string text = Encoding.UTF8.GetString(utf8_byte);

初步想法是這樣  請問哪邊是該修正的?  謝謝

→ Litfal:我就說反了吧XD，你是把GBK編碼的文件，用其他編碼器decode
→ Litfal:這時就已經變錯的字了。
→ Litfal:以你的狀況，就是拿BIG5解了GBK的Binary，所以拿到錯的字
→ Litfal:所以要反過來用BIG5編那串錯的字，拿回原始的Binary。
→ Litfal:再拿原始的Binary用正確的GBK encoding解成文字。
→ Litfal:但要注意，如果在錯誤的BIG5解時拿到 ? (沒有對照的字)那這
→ Litfal:樣也是轉不回來的。

謝謝回覆 @ @

我想請問  怎麼知道是Big5??  我想過可能Win7系統Default可能是UTF8之類

卻怎樣也沒想過朝Big5去想  是Compiler的環境?  或者是我抓的目標本身是Big5..

光從字串就可以看出是Big5編的亂碼..

另外所謂的Binary 如果要轉的字串來源
如本篇 String s = "";  直接就是宣告在程式中了  那做法也是一樣用Big5去解?

其實我看得懂你的意思 簡單說就是我以為的編碼 卻不只是我以為的。

只是不太懂 明明照API的參數去call 我以為是對 但其實卻錯了(?) 冒出個Big5

(然後我一直有想到是否該轉回Unicode 再繼續做進一步的轉換。 就是沒想到Big5)


如果問題簡化一點  純粹就是宣告在程式中的String 只是內容是GBK,

這樣做法會不會不一樣??

拍謝問了這麼多 ..  我再努力做看看  謝謝。

※ 編輯: pkmu8426 (122.118.23.78), 06/17/2014 21:54:48
推 watermark001:目前windows系列編碼都是GB編碼~
→ Litfal:.net的string就是string，雖然他在記憶體中是unicode，但
→ Litfal:我不建議把編碼的概念和string混淆，把它想的最單純--就是
→ Litfal:個string就對了。
→ Litfal:只有二進位和String互相轉換時，才該想到編碼。
推 ideaup:蹈桶狟婥==列表下載
推 nfsong:推
→ ssccg:string就是string沒有編碼，所謂編碼是把string表示成byte時
→ ssccg:的數值，如"列"在GB是C1D0，在Big5是A643，UTF8是E58897
→ ssccg:"蹈"在Big5是C1D0，不是"蹈桶狟婥"內容是GBK，而是當初把
→ ssccg:"列表下载"用GBK編碼成C1D0....，然後再用Big5解碼的結果
→ ssccg:這單純是編解碼的問題，跟轉碼沒有關係
→ ideaup:將(蹈桶狟婥)以ansi 格式儲檔, 讀取為bytes[],再處理
哈哈 謝謝各位大德回覆  已經解決。

(原來我前幾天曾經看過一篇文後測出的結果  不是錯覺 - -)

也的確是跟轉碼沒關係(這邊是陷入的第二個迷思!!)

幸好 經過這次經驗  我學得更深刻了!

謝謝各位。

我把解法PO在下面

1. 當明確知道最終字串的原始編碼(GBK) 以及最後是被哪種編碼(Big5) decoding

Encoding Big5 = Encoding.GetEncoding("Big5");
Encoding GBK = Encoding.GetEncoding("GBK");

byte[] big5_byte = Big5.GetBytes("原始字串");
string s_result = GBK.GetString(big5_byte);


2. 當不曉得最終字串是被哪種編碼decode  只知道最原始的encoding編碼

byte[] big5_byte = Encoding.Default.GetBytes(s);
string s_result = GBK.GetString(big5_byte);


一般來說  用第二種方法比較省事, 看了一篇文章 Default是照所用OS的編碼語系

當然 兩種方法僅適用經過一層的編、解碼  如果中間還經過許多步驟的邊解碼...

可能必須再靠人工一一測試了。
※ 編輯: pkmu8426 (114.46.222.47), 06/19/2014 00:06:48