代码页文件转换器

• 下载演示 - 40.59 KB
• 下载源代码 - 96.4 KB

引言

地球上有些人仍然不理解字节和字符的区别。 那么，让我们从基础开始。

一个字节是信息存储。 1 字节 = 8 位。 就是这样。

一个字符是任何书写符号。 它的范围从英文字母到汉字，再到任何其他特殊字符，甚至科学或数学符号。 为了让计算机存储字符，有很多种编码方式。 如果编码是 8 位编码，这意味着每个字符将存储在一个字节中。 但其他编码提供 7 位编码（如 ANSI）或 16 位编码（如 Unicode）。

代码页表示用于将字符编码为位流的编码机制。 以下是一些最常见的代码页的示例

代码页	名称	又名
1200	utf-16	Unicode
1250	windows-1250	中欧 (Windows)
1251	windows-1251	西里尔文 (Windows)
1252	Windows-1252	西欧 (Windows)
1253	windows-1253	希腊语 (Windows)
1254	windows-1254	土耳其语 (Windows)
1255	windows-1255	希伯来语 (Windows)
1256	windows-1256	阿拉伯语 (Windows)
20127	us-ascii	US-ASCII
20936	x-cp20936	简体中文 (GB2312-80)
20949	x-cp20949	韩文Wansung
28591	iso-8859-1	西欧 (ISO)
65001	utf-8	Unicode（UTF-8）
65005	utf-32	Unicode (UTF-32)

背景

文件是字节流。 如果该文件是文本文件，那么这个字节流应该代表上面提到的一种代码页中的那些字符。 但是，文件中没有存储任何信息，用来表明使用哪种代码页进行编码（尽管我们可以编写尝试找到最佳猜测的算法）。 因此，如果该文件是用系统不支持的代码页编写的，那么将需要进行转换以使用预期的代码页重新编码该文件。

对于下面的屏幕截图示例，如果 Windows XP 中的“区域和语言选项”将语言设置为匹配非 Unicode 程序为阿拉伯语（埃及），这意味着用于编码 TXT 文件的编码将是 (Windows-1256)。

如果以后打开文本文件，系统在“区域和语言选项”中具有不同的设置（如英语（美国））。 这将导致文件被错误地解释。

Using the Code

该软件需要 .NET 2.0 才能运行。 首先，提供输入文件的路径和输入代码页。 然后，提供输出文件与目标代码页的路径。

参考文献

• 代码页
• Unicode

历史

• 2007年4月13日：最初的帖子