從轉義的ASCII序列中讀取UTF8 / UNICODE字符

Question

我在文件中使用以下名稱，我需要將字符串讀取為UTF8編碼的字符串，因此請從此開始：

test_\303\246\303\270\303\245.txt

我需要獲得以下內容：

test_æøå.txt

您知道如何使用C＃實現這一目標嗎？

Answer 1

假設您有以下字符串：

string input = "test_\\303\\246\\303\\270\\303\\245.txt";

IE從字面上看

test_\303\246\303\270\303\245.txt

您可以這樣做：

string input = "test_\\303\\246\\303\\270\\303\\245.txt";
Encoding iso88591 = Encoding.GetEncoding(28591); //See note at the end of answer
Encoding utf8 = Encoding.UTF8;


//Turn the octal escape sequences into characters having codepoints 0-255
//this results in a "binary string"
string binaryString = Regex.Replace(input, @"\\(?<num>[0-7]{3})", delegate(Match m)
{
    String oct = m.Groups["num"].ToString();
    return Char.ConvertFromUtf32(Convert.ToInt32(oct, 8));

});

//Turn the "binary string" into bytes
byte[] raw = iso88591.GetBytes(binaryString);

//Read the bytes into C# string
string output = utf8.GetString(raw);
Console.WriteLine(output);
//test_æøå.txt

“二進制字符串”是指僅包含代碼點為0-255的字符的字符串。 因此，它相當於一個窮人的byte[]你在哪里指數檢索字符的代碼點i ，而不是一個byte的值byte[]索引i （這是我們在JavaScript幾年前所做的那樣）。 因為iso-8859-1恰好將前256個unicode代碼點映射為一個字節，所以非常適合將“二進制字符串”轉換為byte[] 。