0

我们的应用程序的一部分解析了 RTF 文档，我们遇到了一个翻译不好的特殊字符。在 Word 中查看时，该字符是省略号 (...)，它在 RTF 中编码为 ('85)。

在我们的 vb 代码中，我们将十六进制 (85) 转换为 int(133)，然后将 Chr(133) 返回 (...)

这是 C# 中的代码 - 问题是这不适用于 127 以上的值。有什么想法吗？

调用代码：

// S is Hex number!!!
return Convert.ToChar(HexStringToInt(s)).ToString();

辅助方法：

private static int HexStringToInt(string hexString)
{
    int i;

    try
    {
        i = Int32.Parse(hexString, NumberStyles.HexNumber);
    }
    catch (Exception ex)
    {
        throw new ApplicationException("Error trying to convert hex value: " + hexString, ex);
    }

    return i;
}
4

7 回答 7

2

这对我来说似乎是一个字符编码问题。Unicode 不包含任何数字在 ASCII 128-255 范围内的字符，因此尝试转换字符 133 将失败。

需要首先使用正确的解码将其转换为字符，Convert.toChar 似乎使用的是 UTF-16。

有时有一个手动位操作黑客将字符从大写 ASCII 转换为适当的 unicode 字符，但由于省略号不在大多数广泛使用的扩展 ASCII 代码页中，所以这不太可能在这里工作。

您真正想要做的是使用Encoding.GetString(Byte[])方法，并使用正确的编码。将您的值放入一个字节数组，然后 GetString 以获取该字符的 C# 本机字符串。

您可以在RTF Wikipedia 页面上了解有关 RTF 字符编码的更多信息。

仅供参考：水平省略号是字符 U+2026 (pdf)。

于 2008-09-19T22:03:41.490 回答
1

您的原始代码对我来说非常好。它能够将任何从 00 到 FF 的十六进制转换为适当的字符。使用vs2008。

于 2008-09-19T22:00:17.397 回答
0 
private static int HexStringToInt(string hexString)
{
    try
    {
        return Convert.ToChar(hexString);
    }
    catch (FormatException ex)
    {
        throw new ArgumentException("Is not a valid hex character.", "hexString", ex);
    }
    // Convert.ToChar() will throw an ArgumentException also
    // if hexString is bad
}
于 2008-09-19T21:34:34.773 回答
0

只需使用我从 Chris 的网站修改（非常轻微）的这个函数：

    private static string charScrubber(string content)
    {
        StringBuilder sbTemp = new StringBuilder(content.Length);
        foreach (char currentChar in content)
        {
            if ((currentChar != 127 && currentChar > 1))
            {
                sbTemp.Append(currentChar);
            }
        }

        content = sbTemp.ToString();
        return content;
    }

您可以修改“当前字符”条件以删除任何需要消除的字符（如此处所示，您不会得到任何 0x00 字符、(char)127 或 0x57 字符）。

ASCII/十六进制表： http ://www.cs.mun.ca/~michael/c/ascii-table.html

克里斯的网站： http ://seattlesoftware.wordpress.com/2008/09/11/hexadecimal-value-0-is-an-invalid-character/

-汤姆

于 2009-01-17T00:10:33.117 回答
0

以下是一些适合您的粗略代码：

// Convert hex number, which represents an RTF code-page escaped character, 
// to the desired character (uses '85' from your example as a literal):
var number = int.Parse("85", System.Globalization.NumberStyles.HexNumber);
Debug.Assert(number <= byte.MaxValue);  

byte[] bytes = new byte[1] { (byte)number };
char[] chars = Encoding.GetEncoding(1252).GetString(bytes).ToCharArray();
// or, use:
// char[] chars = Encoding.Default.GetString(bytes).ToCharArray();  

string result = new string(chars);
于 2008-09-20T06:09:23.397 回答
0

我的猜测是 .NET 中的 Char 实际上是两个字节（16 位），因为它们是 UTF-16 编码的。也许您只是在捕获/写入值的第一个字节？

基本上，您之后是否对 char 值进行了一些操作，假设它是 8 位而不是 16 位，因此要截断它？

于 2008-09-19T21:46:38.100 回答
0

您可能在读取 RTF 文件时使用默认字符编码，即 UTF-8，而实际使用“windows-1252”扩展 ASCII 拉丁编码存储 RTF 文件。

C# 字符串使用 16 位 unicode 位宽的字符格式。将 windows-1252 字符 0x85 转换为其 unicode 等效项涉及复杂的映射，因为代码点（字符编号）非常不同。幸运的是，Windows 可以为您完成这项工作。

您可以通过在打开流时显式指定源编码来更改在读取文本时转换字符的方式。

using System.IO;
using System.Text.Encoding;

using (TextReader tr = new StreamReader(path_to_RTF_file, Encoding.GetEncoding(1252)))
{
    // Read from the file as usual.
}
于 2008-09-19T21:57:10.787 回答