Encoding (Clase) (System.Text)

Contraer todo

Filtro de lenguage

Esta página es específica de

Microsoft Visual Studio 2008/.NET Framework 3.5

Hay además otras versiones disponibles para:

Biblioteca de clases de .NET Framework

Encoding (Clase)

Actualización: noviembre 2007

Representa una codificación de carácter.

Espacio de nombres: System.Text
Ensamblado: mscorlib (en mscorlib.dll)

Sintaxis

Visual Basic (Declaración)

<SerializableAttribute> _
<ComVisibleAttribute(True)> _
Public MustInherit Class Encoding _
    Implements ICloneable

Visual Basic (Uso)

Dim instance As Encoding

[SerializableAttribute]
[ComVisibleAttribute(true)]
public abstract class Encoding : ICloneable

Visual C++

[SerializableAttribute]
[ComVisibleAttribute(true)]
public ref class Encoding abstract : ICloneable

/** @attribute SerializableAttribute */ 
/** @attribute ComVisibleAttribute(true) */
public abstract class Encoding implements ICloneable

JScript

public abstract class Encoding implements ICloneable

Comentarios

Codificar es el proceso de transformar un conjunto de caracteres Unicode en una secuencia de bytes. Por contraste, decodificar es el proceso de transformar una secuencia de bytes codificados en un conjunto de caracteres Unicode. Para obtener información sobre los formatos de transformación Unicode (UTF) y otras codificaciones admitidas por Encoding, vea Introducción a las codificaciones. Vea también Utilizar codificación Unicode.

Observe que Encoding se ha diseñado para operar sobre caracteres Unicode, no sobre datos binarios arbitrarios tales como las matrices de bytes. Si la aplicación debe codificar datos binarios arbitrarios en el texto, utilice un protocolo, como UUencode, que métodos tales como ConvertToBase64CharArray()()() lo implementan.

.NET Framework proporciona las implementaciones siguientes de la clase Encoding para que exista compatibilidad con las codificaciones Unicode actuales y de otro tipo:

ASCIIEncoding codifica caracteres Unicode como caracteres ASCII sencillos de 7 bits. Esta codificación sólo admite valores de caracteres entre U+0000 y U+007F. Página de códigos 20127. También disponible mediante la propiedad ASCII.
La clase UTF7Encoding codifica los caracteres Unicode mediante la codificación UTF-7. Esta codificación acepta todos los valores de caracteres Unicode. Página de códigos 65000. También disponible mediante la propiedad UTF7.
La clase UTF8Encoding codifica los caracteres Unicode mediante la codificación UTF-8. Esta codificación acepta todos los valores de caracteres Unicode. Página de códigos 65001. También disponible mediante la propiedad UTF8.
La clase UnicodeEncoding codifica los caracteres Unicode mediante la codificación UTF-16. Se admiten tanto el orden de bytes little-endian (página de códigos 1200) como el big-endian (página de códigos 1201). También disponible mediante las propiedades Unicode y BigEndianUnicode.
La clase UTF32Encoding codifica los caracteres Unicode mediante la codificación UTF-32. Se admiten tanto el orden de bytes little-endian (página de códigos 12000) como el big-endian (página de códigos 12001). También disponible mediante la propiedad UTF32.

La clase Encoding está pensada principalmente para convertir entre diferentes codificaciones y Unicode. A menudo, la opción correcta para una aplicación es una de las clases de Unicode derivadas.

Las aplicaciones utilizan el método GetEncoding para obtener otras codificaciones. Utilizarían el método GetEncodings para obtener una lista de todas las codificaciones.

En la tabla siguiente se ofrece una lista de las codificaciones compatibles y sus páginas de códigos asociadas. Un asterisco en la última columna indica que .NET Framework admite de forma nativa la página de códigos, con independencia de la plataforma subyacente.

Página de códigos	Name	Nombre mostrado
37	IBM037	IBM EBCDIC (EE.UU.-Canadá)
437	IBM437	Estados Unidos OEM
500	IBM500	IBM EBCDIC (Internacional)
708	ASMO-708	Árabe (ASMO 708)
720	DOS-720	Árabe (DOS)
737	ibm737	Griego (DOS)
775	ibm775	Báltico (DOS)
850	ibm850	Europa occidental (DOS)
852	ibm852	Centroeuropeo (DOS)
855	IBM855	Cirílico OEM
857	ibm857	Turco (DOS)
858	IBM00858	Latín multilingüe OEM I
860	IBM860	Portugués (DOS)
861	ibm861	Islandés (DOS)
862	DOS-862	Hebreo (DOS)
863	IBM863	Francés canadiense (DOS)
864	IBM864	Árabe (864)
865	IBM865	Nórdico (DOS)
866	cp866	Cirílico (DOS)
869	ibm869	Griego moderno (DOS)
870	IBM870	IBM EBCDIC (Latín multilingüe-2)
874	windows-874	Tailandés (Windows)
875	cp875	IBM EBCDIC (Griego moderno)
932	shift_jis	Japonés (Shift-JIS)
936	gb2312	Chino simplificado (GB2312)	*
949	ks_c_5601-1987	Coreano
950	big5	Chino tradicional (Big5)
1026	IBM1026	IBM EBCDIC (Turco Latín-5)
1047	IBM01047	IBM Latín-1
1140	IBM01140	IBM EBCDIC (EE.UU.-Canadá-Euro)
1141	IBM01141	IBM EBCDIC (Alemania-Euro)
1142	IBM01142	IBM EBCDIC (Dinamarca-Noruega-Euro)
1143	IBM01143	IBM EBCDIC (Finlandia-Suecia-Euro)
1144	IBM01144	IBM EBCDIC (Italia-Euro)
1145	IBM01145	IBM EBCDIC (España-Euro)
1146	IBM01146	IBM EBCDIC (Reino Unido-Euro)
1147	IBM01147	IBM EBCDIC (Francia-Euro)
1148	IBM01148	IBM EBCDIC (Internacional-Euro)
1149	IBM01149	IBM EBCDIC (Islandés-Euro)
1200	utf-16	Unicode	*
1201	unicodeFFFE	Unicode (big-endian)	*
1250	windows-1250	Centroeuropeo (Windows)
1251	windows-1251	Cirílico (Windows)
1252	Windows -1252	Europeo occidental (Windows)	*
1253	windows-1253	Griego (Windows)
1254	windows-1254	Turco (Windows)
1255	windows-1255	Hebreo (Windows)
1256	windows-1256	Árabe (Windows)
1257	windows-1257	Báltico (Windows)
1258	windows-1258	Vietnamita (Windows)
1361	Johab	Coreano (Johab)
10000	macintosh	Europa occidental (Mac)
10001	x-mac-japanese	Japonés (Mac)
10002	x-mac-chinesetrad	Chino tradicional (Mac)
10003	x-mac-korean	Coreano (Mac)	*
10004	x-mac-arabic	Árabe (Mac)
10005	x-mac-hebrew	Hebreo (Mac)
10006	x-mac-greek	Griego (Mac)
10007	x-mac-cyrillic	Cirílico (Mac)
10008	x-mac-chinesesimp	Chino simplificado (Mac)	*
10010	x-mac-romanian	Rumano (Mac)
10017	x-mac-ukrainian	Ucraniano (Mac)
10021	x-mac-thai	Tailandés (Mac)
10029	x-mac-ce	Centroeuropeo (Mac)
10079	x-mac-icelandic	Islandés (Mac)
10081	x-mac-turkish	Turco (Mac)
10082	x-mac-croatian	Croata (Mac)
12000	utf-32	Unicode (UTF-32)	*
12001	utf-32BE	Unicode (UTF-32 big-endian)	*
20000	x-Chinese-CNS	Chino tradicional (CNS)
20001	x-cp20001	TCA Taiwán
20002	x-Chinese-Eten	Chino tradicional (Eten)
20003	x-cp20003	IBM5550 Taiwán
20004	x-cp20004	TeleText Taiwán
20005	x-cp20005	Wang Taiwán
20105	x-IA5	Europa occidental (IA5)
20106	x-IA5-German	Alemán (IA5)
20107	x-IA5-Swedish	Sueco (IA5)
20108	x-IA5-Norwegian	Noruego (IA5)
20127	us-ascii	EE.UU.-ASCII	*
20261	x-cp20261	T.61
20269	x-cp20269	ISO -6937
20273	IBM273	IBM EBCDIC (Alemania)
20277	IBM277	IBM EBCDIC (Dinamarca-Noruega)
20278	IBM278	IBM EBCDIC (Finlandia-Suecia)
20280	IBM280	IBM EBCDIC (Italia)
20284	IBM284	IBM EBCDIC (España)
20285	IBM285	IBM EBCDIC (Reino Unido)
20290	IBM290	IBM EBCDIC (Katakana japonés)
20297	IBM297	IBM EBCDIC (Francia)
20420	IBM420	IBM EBCDIC (Árabe)
20423	IBM423	IBM EBCDIC (Griego)
20424	IBM424	IBM EBCDIC (Hebreo)
20833	x-EBCDIC-KoreanExtended	IBM EBCDIC (Coreano extendido)
20838	IBM-Thai	IBM EBCDIC (Tai)
20866	koi8-r	Cirílico (KOI8-R)
20871	IBM871	IBM EBCDIC (Islandés)
20880	IBM880	IBM EBCDIC (Ruso cirílico)
20905	IBM905	IBM EBCDIC (Turco)
20924	IBM00924	IBM Latín-1
20932	EUC-JP	Japonés (JIS 0208-1990 y 0212-1990)
20936	x-cp20936	Chino simplificado (GB2312-80)	*
20949	x-cp20949	Coreano Wansung	*
21025	cp1025	IBM EBCDIC (Cirílico serbio-búlgaro)
21866	koi8-u	Cirílico (KOI8-U)
28591	iso-8859-1	Europa occidental (ISO)	*
28592	iso-8859-2	Centroeuropeo (ISO)
28593	iso-8859-3	Latín 3 (ISO)
28594	iso-8859-4	Báltico (ISO)
28595	iso-8859-5	Cirílico (ISO)
28596	iso-8859-6	Árabe (ISO)
28597	iso-8859-7	Griego (ISO)
28598	iso-8859-8	Hebreo (ISO-Visual)	*
28599	iso-8859-9	Turco (ISO)
28603	iso-8859-13	Estonio (ISO)
28605	iso-8859-15	Latín 9 (ISO)
29001	x-Europa	Europa
38598	iso-8859-8-i	Hebreo (ISO-Lógico)	*
50220	iso-2022-jp	Japonés (JIS)	*
50221	csISO2022JP	Japonés (JIS-Permitir 1 byte Kana)	*
50222	iso-2022-jp	Japonés (JIS-Permitir 1 byte Kana - SO/SI)	*
50225	iso-2022-kr	Coreano (ISO)	*
50227	x-cp50227	Chino simplificado (ISO-2022)	*
51932	euc-jp	Japonés (EUC)	*
51936	EUC-CN	Chino simplificado (EUC)	*
51949	euc-kr	Coreano (EUC)	*
52936	hz-gb-2312	Chino simplificado (HZ)	*
54936	GB18030	Chino simplificado (GB18030)	*
57002	x-iscii-de	ISCII Devanagari	*
57003	x-iscii-be	ISCII Bengalí	*
57004	x-iscii-ta	ISCII Tamil	*
57005	x-iscii-te	ISCII Telugu	*
57006	x-iscii-as	ISCII Asamés	*
57007	x-iscii-or	ISCII Oriya	*
57008	x-iscii-ka	ISCII Kannada	*
57009	x-iscii-ma	ISCII Malayalam	*
57010	x-iscii-gu	ISCII Gujarati	*
57011	x-iscii-pa	ISCII Punjabí	*
65000	utf-7	Unicode (UTF-7)	*
65001	utf-8	Unicode (UTF-8)	*

El método GetByteCount()()() determina cuántos bytes se obtienen al codificar un conjunto de caracteres Unicode y el método GetBytes()()() realiza la codificación real. El método GetBytes()()() espera conversiones discretas, a diferencia del método GetBytes()()(), que administra varias conversiones en una secuencia de entrada única.

Se admiten varias versiones de GetByteCount()()() y GetBytes()()(). Las siguientes son algunas consideraciones de programación para el uso de estos métodos:

Puede ser necesario que la aplicación codifique muchos caracteres de entrada en una página de códigos y procese los caracteres mediante varias llamadas. En este caso, la aplicación probablemente necesite mantener el estado entre las llamadas, teniendo en cuenta el estado que persiste por el objeto Encoder que se está usando.
Si la aplicación administra las entradas de cadena, se recomienda usar la versión de cadena de GetBytes()()().
La versión del búfer de caracteres Unicode de GetBytes()()() permite algunas técnicas rápidas, especialmente cuando varias llamadas usan el objeto Encoder o insertan datos en los búferes existentes. Sin embargo, tenga presente que esta versión de método no es segura a veces, ya que se requieren punteros.
Si la aplicación debe convertir gran cantidad de datos, debería reutilizar el búfer de salida. En este caso, la mejor opción es la versión de GetBytes()()() que admite matrices de bytes.
Considere el uso del método Encoder..::.Convert en lugar de GetByteCount()()(). El método de conversión convierte tanto datos como sea posible y produce una excepción si el búfer de salida es demasiado pequeño. Para la codificación continua de una secuencia, este método suele ser la mejor opción.

El método GetCharCount()()() determina el número de caracteres resultante de la descodificación de una secuencia de bytes, y el método GetChars()()() realiza la descodificación real. El método GetChars()()() espera conversiones discretas, a diferencia del método GetChars()()(), que administra varios pasos en una secuencia de entrada única.

Se admiten varias versiones de GetCharCount()()() y GetChar()()(). Las siguientes son algunas consideraciones de programación para el uso de estos métodos:

Es posible que la aplicación necesite descodificar varios bytes de entrada de una página de códigos y procesar los bytes mediante varias llamadas. En este caso, la aplicación probablemente necesite mantener el estado entre las llamadas.
Si la aplicación administra los resultados de cadena, se recomendaba usar el método GetString()()(). Como este método debe comprobar la longitud de cadena y asignar un búfer, es ligeramente más lento, pero se prefiere usar el tipo String resultante.
La versión de bytes de GetChar()()() permite a algunas técnicas rápidas, especialmente con varias llamadas a búferes grandes. Sin embargo, tenga presente que esta versión de método no es segura a veces, ya que se requieren punteros.
Si la aplicación debe convertir gran cantidad de datos, debería reutilizar el búfer de salida. En este caso, la versión de GetChar()()() que admite búferes de caracteres de salida es la mejor opción.
Considere el uso del método Decoder..::.Convert en lugar de GetCharCount()()(). El método de conversión convierte tanto datos como sea posible y produce una excepción si el búfer de salida es demasiado pequeño. Para la descodificación continua de una secuencia, este método suele ser la mejor opción.

Si los datos que se van a convertir sólo están disponibles en bloques secuenciales (como los datos leídos de una secuencia) o si la cantidad de datos es tan grande que es necesario dividirlos en bloques más pequeños, use las clases Decoder o Encoder proporcionadas por el método GetDecoder o GetEncoder, respectivamente, de una clase derivada.

Los codificadores UTF-16 y UTF-32 pueden utilizar el orden de bytes big endian (primero el byte más significativo) o el orden de bytes little endian (primero el byte menos significativo). Por ejemplo, la letra mayúscula latina A (U+0041) se serializa del siguiente modo (en hexadecimal):

El orden de bytes big endian de UTF-16: 00 41
El orden de bytes little endian de UTF-16: 41 00
El orden de bytes big endian de UTF-32: 00 00 00 41
El orden de bytes little endian de UTF-32: 41 00 00 00

Generalmente es más eficaz almacenar caracteres Unicode utilizando el orden de bytes nativo. Por ejemplo, es mejor usar el orden de bytes little-endian en plataformas little-endian, como los equipos Intel.

El método GetPreamble recupera una matriz de bytes que contiene la marca de orden de bytes (BOM). Si esta matriz se antepone a una secuencia codificada, ayuda al descodificador a identificar el formato de codificación utilizado.

Para obtener más información sobre el orden de bytes y la marca de orden de bytes, vea The Unicode Standard en Unicode home page

Observe que las clases de codificación permiten errores que:

Cambian a un carácter "?" sin notificación.
Usan un carácter de "ajuste perfecto".
Cambian a un comportamiento específico de la aplicación a través del uso de las clases EncoderFallback y DecoderFallback con el carácter de reemplazo Unicode U+FFFD.

Se recomienda que se produzcan excepciones en todos los errores de la secuencia de datos en las aplicaciones. Una aplicación usa un marcador "throwonerror" cuando corresponda o usa las clases EncoderExceptionFallback y DecoderExceptionFallback. A menudo no se recomienda el retroceso de ajuste perfecto porque puede producir pérdida de datos o confusión y es más lento que los simples reemplazos de caracteres. Para las codificaciones ANSI, el mejor comportamiento de ajuste perfecto es el predeterminado.

Ejemplos

En el ejemplo de código siguiente se convierte una cadena de una codificación a otra.

Visual Basic

Imports System
Imports System.Text
Imports Microsoft.VisualBasic

Namespace Convert_Example
    Class MyConvertExampleClass
        Shared Sub Main()
            Dim unicodeString As String = "This string contains the unicode character Pi(" & ChrW(&H03A0) & ")"

            ' Create two different encodings.
            Dim ascii As Encoding = Encoding.ASCII
            Dim [unicode] As Encoding = Encoding.Unicode

            ' Convert the string into a byte[].
            Dim unicodeBytes As Byte() = [unicode].GetBytes(unicodeString)

            ' Perform the conversion from one encoding to the other.
            Dim asciiBytes As Byte() = Encoding.Convert([unicode], ascii, unicodeBytes)

            ' Convert the new byte[] into a char[] and then into a string.
            ' This is a slightly different approach to converting to illustrate
            ' the use of GetCharCount/GetChars.
            Dim asciiChars(ascii.GetCharCount(asciiBytes, 0, asciiBytes.Length)-1) As Char
            ascii.GetChars(asciiBytes, 0, asciiBytes.Length, asciiChars, 0)
            Dim asciiString As New String(asciiChars)

            ' Display the strings created before and after the conversion.
            Console.WriteLine("Original string: {0}", unicodeString)
            Console.WriteLine("Ascii converted string: {0}", asciiString)
        End Sub
    End Class
End Namespace

using System;
using System.Text;

namespace ConvertExample
{
   class ConvertExampleClass
   {
      static void Main()
      {
         string unicodeString = "This string contains the unicode character Pi(\u03a0)";

         // Create two different encodings.
         Encoding ascii = Encoding.ASCII;
         Encoding unicode = Encoding.Unicode;

         // Convert the string into a byte[].
         byte[] unicodeBytes = unicode.GetBytes(unicodeString);

         // Perform the conversion from one encoding to the other.
         byte[] asciiBytes = Encoding.Convert(unicode, ascii, unicodeBytes);

         // Convert the new byte[] into a char[] and then into a string.
         // This is a slightly different approach to converting to illustrate
         // the use of GetCharCount/GetChars.
         char[] asciiChars = new char[ascii.GetCharCount(asciiBytes, 0, asciiBytes.Length)];
         ascii.GetChars(asciiBytes, 0, asciiBytes.Length, asciiChars, 0);
         string asciiString = new string(asciiChars);

         // Display the strings created before and after the conversion.
         Console.WriteLine("Original string: {0}", unicodeString);
         Console.WriteLine("Ascii converted string: {0}", asciiString);
      }
   }
}

Visual C++

using namespace System;
using namespace System::Text;
int main()
{
   String^ unicodeString = "This string contains the unicode character Pi(\u03a0)";

   // Create two different encodings.
   Encoding^ ascii = Encoding::ASCII;
   Encoding^ unicode = Encoding::Unicode;

   // Convert the string into a Byte->Item[].
   array<Byte>^unicodeBytes = unicode->GetBytes( unicodeString );

   // Perform the conversion from one encoding to the other.
   array<Byte>^asciiBytes = Encoding::Convert( unicode, ascii, unicodeBytes );

   // Convert the new Byte into[] a char and[] then into a string.
   // This is a slightly different approach to converting to illustrate
   // the use of GetCharCount/GetChars.
   array<Char>^asciiChars = gcnew array<Char>(ascii->GetCharCount( asciiBytes, 0, asciiBytes->Length ));
   ascii->GetChars( asciiBytes, 0, asciiBytes->Length, asciiChars, 0 );
   String^ asciiString = gcnew String( asciiChars );

   // Display the strings created before and after the conversion.
   Console::WriteLine( "Original String*: {0}", unicodeString );
   Console::WriteLine( "Ascii converted String*: {0}", asciiString );
}

package ConvertExample; 

import System.*;
import System.Text.*;

class ConvertExampleClass
{
    public static void main(String[] args)
    {
        String unicodeString = 
                "This string contains the unicode character Pi(\u03a0)";

        // Create two different encodings.
        Encoding ascii = Encoding.get_ASCII();
        Encoding unicode = Encoding.get_Unicode();

        // Convert the string into a byte[].
        ubyte unicodeBytes[] = unicode.GetBytes(unicodeString);

        // Perform the conversion from one encoding to the other.
        ubyte asciiBytes[] = Encoding.Convert(unicode, ascii, unicodeBytes);

        // Convert the new byte[] into a char[] and then into a string.
        // This is a slightly different approach to converting to illustrate
        // the use of GetCharCount/GetChars.
        char asciiChars[] = new 
                char[ascii.GetCharCount(asciiBytes, 0, asciiBytes.length)];
        ascii.GetChars(asciiBytes, 0, asciiBytes.length, asciiChars, 0);
        String asciiString = new String(asciiChars);

        // Display the strings created before and after the conversion.
        Console.WriteLine("Original string: {0}", unicodeString);
        Console.WriteLine("Ascii converted string: {0}", asciiString);
    } //main
} //ConvertExampleClass

Jerarquía de herencia

System..::.Object
  System.Text..::.Encoding
    System.Text..::.ASCIIEncoding
    System.Text..::.UnicodeEncoding
    System.Text..::.UTF32Encoding
    System.Text..::.UTF7Encoding
    System.Text..::.UTF8Encoding

Seguridad para subprocesos

Todos los miembros static (Shared en Visual Basic) públicos de este tipo son seguros para la ejecución de subprocesos. No se garantiza que los miembros de instancias sean seguros para la ejecución de subprocesos.

Plataformas

Windows Vista, Windows XP SP2, Windows XP Media Center Edition, Windows XP Professional x64 Edition, Windows XP Starter Edition, Windows Server 2003, Windows Server 2000 SP4, Windows Millennium Edition, Windows 98, Windows CE, Windows Mobile para Smartphone, Windows Mobile para Pocket PC, Xbox 360

.NET Framework y .NET Compact Framework no admiten todas las versiones de cada plataforma. Para obtener una lista de las versiones compatibles, vea Requisitos de sistema de .NET Framework.

Información de versión