在C＃中同时处理unicode和ASCII字符集

Question

我的C＃应用​​程序中有此映射

string [,] unicode2Ascii = { { "ஹ", "\\x86" } };

ஹ-是泰米尔文字“ஹ”的unicode值。 这是MS Word保存为字节序列的unicode值的原始十六进制文字。 我正在尝试将这些unicode值“字符串”映射到255以下的十六进制值（以便容纳不受unicode支持的系统）。

我试图像这样使用string.replace：

S = S.replace(unicode2Ascii[0,0], unicode2Ascii[0,1]);

但是，结果输出具有？ 而不是存储的实际十六进制0x86。 关于如何将该数组的第二个元素的编码设置为类似于Windows-1252的任何指针？

还是有更好的方法进行此转换？

提前致谢

Answer 1

不确定是否有帮助，但是Windows支持泰米尔语代码页“ 57004-ISCII Tamil”。

但是，上面的示例字符并没有提供相同的翻译。 对于“ஹ”，它给出216。也许需要使用其他代码页？

        string tamilUnicodeString = "ஹ";

        Encoding encoding = Encoding.GetEncoding("x-iscii-ta");

        byte[] codepageBytes = encoding.GetBytes(tamilUnicodeString);

更新资料

如果您希望将unicode文件作为输入，音译字符以获取单字节表示形式，则可以使用以下技巧。 如果字典对每个字符进行编码，则结果数组应具有单字节表示形式：

        Dictionary<char, char> lookup = new Dictionary<char, char>
        {
            { 'ஹ', '\x86' },
            { 'இ',  '\x87' },
            //next pair...,
            //etc, etc.
        };

        string input = "ஹஇதில் உள்ள தமிழ் எழுத்துக்கள் சரியாகத் தெரிந்தால்";

        char[] chars = input.ToCharArray();

        for (int i = 0; i < chars.Length; i++)
        {
            char replaceChar;

            if (lookup.TryGetValue(chars[i], out replaceChar))
            {
                chars[i] = replaceChar;
            }
        }

        byte[] output = Encoding.GetEncoding("iso-8859-1").GetBytes(chars);

Answer 2

.NET中的字符串内部始终是Unicode。 但是，这并不重要。 字符串是一系列字符，.NET字符串支持所有unicode字符。 您不必关心它们在内存中的呈现方式。 仅在字符串离开（或进入）.NET时（例如，当您将字符串写入（读取）到文件中，通过套接字将其发送（接收）到其他系统等时），您才关心编码。 这是当您使用Encoding类转换为所需的任何编码时。 在.NET字符串上替换字符或尝试任何编码技巧都是没有意义的。 我也推荐这篇文章http://www.joelonsoftware.com/articles/Unicode.html