c# - 如何从utf 8解码为纯文本

目标：
从utf 8解码以清除文本

问题：
根据下面的代码，它不想从“masaväg”解码为“masaväg”。

我缺少哪一部分？

谢谢！

信息：
它可以将本页中的“masaväg”解码为“masaväg”
https://www.browserling.com/tools/utf8-decode

    UTF8Encoding utf8 = new UTF8Encoding();
    String unicodeString = "masavÃ¤g";
    // Encode the string.
    Byte[] encodedBytes = utf8.GetBytes(unicodeString);
    // Decode bytes back to string.
    String decodedString = utf8.GetString(encodedBytes);

最佳答案

"masaväg"的正确utf8为十六进制6d 61 73 61 76 c3 a4 67

看来您使用错误的编码对此进行了解码；我们可以找出可能是这样的：

var bytes = Encoding.UTF8.GetBytes("masaväg");
foreach(var enc in Encoding.GetEncodings())
{
    try
    {
        if(enc.GetEncoding().GetString(bytes) == "masavÃ¤g")
        {
            Console.WriteLine($"{enc.CodePage} {enc.DisplayName}");
        }
    } catch { }
}

输出：

1252 Western European (Windows)
1254 Turkish (Windows)
28591 Western European (ISO)
28594 Baltic (ISO)
28599 Turkish (ISO)
65000 Unicode (UTF-7)

现在：我不知道您使用了哪一个，但是我们假设它是1252。

因此，要扭转这种混乱局面（请注意，如果您仅将其作为乱码文本数据而不是作为底层编码字节使用，则这可能是不可靠的，并且您的数据可能已经不可挽回地损坏了）：

var enc = Encoding.GetEncoding(1252);
var bytes = enc.GetBytes("masavÃ¤g");
var viaUtf8 = Encoding.UTF8.GetString(bytes);
Console.WriteLine(viaUtf8);

输出：

masaväg

注意这里重要的不是“masaväg”是“ utf8”还是“masaväg”是“纯文本”。而是：如果使用错误的编码将字节解码为文本，则会得到“masavÃg”。在这种情况下，解码时使用的正确编码将是utf8。只有二进制数据是“ utf8”。一旦它是文本（在.NET中为string），即为代码点。 “编码”（例如utf8）定义了代码点如何映射到字节（字面上就是“编码”的意思）。

注意：代码页1252通常是Encoding.Default，因此为什么1252是一个安全的假设。坦白说，您永远不要对任何内容使用Encoding.Default。您应该始终知道打算使用哪种编码。我建议我们应该提交PR来将Encoding.Default重命名为Encoding.PotLuck。