3

我的公司有一个建立在第三方网络邮件系统之上的 CRM 产品。我们使用他们的底层数据库，并用我们自己的其他数据库对其进行了扩展。除了使用我们的产品，客户还可以直接登录网络邮件系统。

网络邮件数据库采用 SQL_Latin1_General_CP1_CI_AS 编码，联系人姓名存储在 varchar 列中，而不是 nvarchar。

我们的产品和 webmail 产品都提供 Content-Type: text/html charset=utf-8 的页面

如果客户在 webmail（第 3 方系统）中创建一个名字为“Céline”的联系人，它最终会以“Céline”的形式存储在数据库中。这是因为 webmail 似乎首先将数据从 utf-8 转换为 latin-1，然后再将其存储到数据库中。utf-8 字符 'é' 存储为两个字节，在 latin-1 中被解释为两个字符：“é”

但是，当数据被检索并显示在 webmail 中时，它会正确显示为“Céline”

问题是：当从我们的 CRM 系统读取/写入联系人时，如果您将名字设置为“Céline”，它将被存储为“Céline”，而不是首先转换为 latin-1 'Céline'

反之亦然，如果您在 webmail 中创建 Céline，它会在我们的 CRM 产品中显示为 Céline，因为它没有从 latin-1 转换为 utf-8

我们的产品是法国国际化的，并且已经生产了好几个月，所以系统中有相当多的数据，两种编码方式。

我可以使用以下方法从 latin-1 转换为 utf-8：

var bytes = Encoding.GetEncoding("iso-8859-1").GetBytes(Convert.ToString(obj))
string fix2 = Encoding.UTF8.GetString(bytes).Trim(); //from iso-8859-1 (latin-1) to utf-8

但这仅在数据在存储之前正确转换为 latin-1 时才有效。所以我真正需要的是一种方法来确定记录中的数据是 utf-8 编码的字符串还是 latin-1 编码的字符串。

或者，向前迈进，我需要一种方法来模仿 webmail 正在做什么，并使所有对数据库的写入操作首先从 utf-8 转换为 latin-1，所有读取操作从 latin-1 转换为 utf-8。

有任何想法吗？如果您需要更多信息/说明，请告诉我。

4

1 回答 1

1

一些澄清。在字符编码之间转换字节流（这将修改字节）和使用不同的字符编码解释字节流（这不会修改字节，只是以不同的方式显示它们）之间存在差异。您的 webmail 应用程序不会UTF-8在传输到数据库的过程中转换字符，而是（错误地）重新解释字节流。

是否可以检测到错误编码的字符？

理论上，没有。解释为ISO-8859-1完全有效的字符。在实践中，您可以手动搜索不常见的字符，例如示例中的 Ã，并能够找到不一致之处。

我需要一种方法来模仿 webmail 正在做什么

要重新解释 C# 中的字符串 fromUTF-8到ISO-8859-1您可以使用以下行（请记住在从数据库返回的路上执行相反的操作）

Encoding.GetEncoding("iso-8859-1").GetString(Encoding.UTF8.getBytes("Some text"))
于 2012-05-02T20:31:43.510 回答