将UTF8转换为ASCII

Question

我有一个从存储在UTF8编码的XML文件中读取的文本。C#可以完美地读取它，我通过调试器进行了检查，但是当我尝试将其转换为ASCII以保存在另一个文件中时，会在存在冲突字符的位置得到一个? 字符。例如，这个文本：

I have a text read from a XML file stored in UTF8 encoding. C# reads it perfectly, I checked with the debugger, but when I try to convert it to ASCII to save it in another file I get a ? char in places where there was a conflicting character. For instance, this text:

string s = "La introducción masiva de las nuevas tecnologías de la información";

将被保存为

"La introducci?n masiva de las nuevas tecnolog?as de la informaci?n"

我不能仅仅用它们的拉丁语元音字母(a, e, i, o, u)来替换它们，因为西班牙语中的一些单词将失去意义。我已经尝试过这个和这个问题，但都没有成功。所以我希望有人能帮助我。第二个问题中选择的答案甚至没有编译通过...！

如果有人想看一下我的代码，就是这样：

private void WriteInput( string input )
{
   byte[] byteArray = Encoding.UTF8.GetBytes(input);
   byte[] asciiArray = Encoding.Convert(Encoding.UTF8, Encoding.ASCII, byteArray);
   string finalString = Encoding.ASCII.GetString(asciiArray);

   string inputFile = _idFile + ".in";
   var batchWriter = new StreamWriter(inputFile, false, Encoding.ASCII);
   batchWriter.Write(finalString);
   batchWriter.Close();
}

- David Conde

Answer 1

那些字符在ASCII码表中没有对应的映射。请查看ASCII表格，如维基百科上的表格进行验证。你可能会对Windows 1252编码感兴趣，也称为"扩展ASCII"，它有许多带重音符号的字符编码。

var input = "La introducción masiva de las nuevas tecnologías de la información";
var utf8bytes = Encoding.UTF8.GetBytes(input);
var win1252Bytes = Encoding.Convert(
                Encoding.UTF8, Encoding.GetEncoding("windows-1252"), utf8bytes);
File.WriteAllBytes(@"foo.txt", win1252Bytes);

- Michael Petrotta

---

@David：对我来说完美运行，使用上面的测试用例。确保你的代码中没有卡着 ASCII 编码（Encoding.ASCII）。 - Michael Petrotta

抱歉！我再次测试了一下，现在完美运行了...现在我知道你为什么有18.3K的声望了!!! ;) - David Conde

如果可以的话，我会加很多个+1！ :) - dba

Answer 2

无法完成。ASCII码表中没有这些字母，所以最好的方法是对它们进行URL编码或Unicode转义编码。

- Ignacio Vazquez-Abrams

---

为什么？如果 ASCII 没有这些字母，如何在 Notepad++ 中将编码从 UTF8 更改为 ASCII 并正常工作？ - David Conde

因为Notepad++并不真正使用ASCII编码，它使用的是类似于CP1250的编码，该编码确实具有那些字母。 - Ignacio Vazquez-Abrams

Notepad++将转换为Win-1252代码页（拉丁文），其中重音位于表的较高一半（字符代码128+）。但是，这不是ASCII，而是ASCII的扩展。 ASCII仅定义0-127范围内的字符。同时，在设置了不同代码页的机器上打开该文件，将显示不同的字符来代替带重音符号的字符。例如，在Win-1251中，您会看到一些西里尔字母。 - Franci Penov