.net Encoding.UTF8.GetString不'；t考虑序言/BOM

在.NET中，我尝试使用

Encoding.UTF8.GetString

方法，该方法获取字节数组并将其转换为

字符串

此方法似乎忽略了，它可能是UTF8字符串的合法二进制表示形式的一部分，并将其作为字符

我知道我可以使用
TextReader
根据需要对BOM进行摘要，但我认为GetString方法应该是某种宏，可以使代码更短

我错过什么了吗？这是故意的吗

这是一个复制代码：

static void Main(string[] args)
{
    string s1 = "abc";
    byte[] abcWithBom;
    using (var ms = new MemoryStream())
    using (var sw = new StreamWriter(ms, new UTF8Encoding(true)))
    {
        sw.Write(s1);
        sw.Flush();
        abcWithBom = ms.ToArray();
        Console.WriteLine(FormatArray(abcWithBom)); // ef, bb, bf, 61, 62, 63
    }

    byte[] abcWithoutBom;
    using (var ms = new MemoryStream())
    using (var sw = new StreamWriter(ms, new UTF8Encoding(false)))
    {
        sw.Write(s1);
        sw.Flush();
        abcWithoutBom = ms.ToArray();
        Console.WriteLine(FormatArray(abcWithoutBom)); // 61, 62, 63
    }

    var restore1 = Encoding.UTF8.GetString(abcWithoutBom);
    Console.WriteLine(restore1.Length); // 3
    Console.WriteLine(restore1); // abc

    var restore2 = Encoding.UTF8.GetString(abcWithBom);
    Console.WriteLine(restore2.Length); // 4 (!)
    Console.WriteLine(restore2); // ?abc
}

private static string FormatArray(byte[] bytes1)
{
    return string.Join(", ", from b in bytes1 select b.ToString("x"));
}

此方法似乎忽略了BOM（字节顺序标记），它可能是UTF8字符串的合法二进制表示形式的一部分，并将其作为字符

它看起来一点也不“忽略”它——它忠实地将其转换为BOM字符。毕竟是这样的

如果你想让你的代码忽略它转换的任何字符串中的BOM表，那就由你来做。。。或者使用
StreamReader

请注意，如果使用
Encoding.GetBytes
后跟
Encoding.GetString
或使用
StreamWriter
后跟
StreamReader
，这两种表单都将生成然后吞并BOM表或不生成BOM表。只有当你混合使用
StreamWriter
（它使用
编码.GetPreamble
）和直接
编码.GetString
调用时，你才会得到“额外”字符。
根据Jon Skeet的回答（谢谢！），我就是这样做的：

var memoryStream = new MemoryStream(byteArray);
var s = new StreamReader(memoryStream).ReadToEnd();

请注意，只有在您正在读取的字节数组中存在BOM表时，此功能才可能可靠地工作。如果没有，您可能需要查看哪个接受了编码参数，这样您就可以告诉它字节数组包含什么。
我知道我参加聚会有点晚了，但如果您需要，下面是我正在使用的代码（请随意适应C#）：

公共函数序列化（您的XmlClass）（ByVal obj作为您的XmlClass，
可选的ByVal omitXMLDeclaration为Boolean=True，
可选的ByVal省略XMLNamespace作为Boolean=True）作为字符串
Dim序列化程序作为新的XmlSerializer（obj.GetType）
将memStream用作新的MemoryStream（）
将设置设置设置为新的XmlWriterSettings（）{
.Encoding=Encoding.UTF8，
.Indent=True，
.omitXMLDeclaration=omitXMLDeclaration}
使用writer作为XmlWriter=XmlWriter.Create（memStream，设置）
Dim xns作为新的XmlSerializerNamespaces
如果是（省略XMLNamespace），那么xns.Add（“，”）
serializer.Serialize（writer、obj、xns）
终端使用
返回Encoding.UTF8.GetString（memStream.ToArray（））
终端使用
端函数
公共函数反序列化（您的XmlClass）（ByVal obj作为您的XmlClass，ByVal xml作为字符串）作为您的XmlClass
将结果设置为您的XmlClass
Dim序列化程序作为新的XmlSerializer（GetType（YourXMLClass））
将memStream用作新的MemoryStream（）
Dim bytes As Byte（）=Encoding.UTF8.GetBytes（xml.ToArray）
memStream.Write（字节，0，字节.计数）
memStream.Seek（0，SeekOrigin.Begin）
将reader用作XmlReader=XmlReader.Create（memStream）
结果=DirectCast（序列化程序.反序列化（读取器），YourXMLClass）
终端使用
终端使用
返回结果
端函数
对于那些不想使用streams的人，我发现了一个使用Linq的非常简单的解决方案：

public static string GetStringExcludeBOMPreamble(this Encoding encoding, byte[] bytes)
{
    var preamble = encoding.GetPreamble();
    if (preamble?.Length > 0 && bytes.Length >= preamble.Length && bytes.Take(preamble.Length).SequenceEqual(preamble))
    {
        return encoding.GetString(bytes, preamble.Length, bytes.Length - preamble.Length);
    }
    else
    {
        return encoding.GetString(bytes);
    }
}

@RonKlein另外，您可以说
restore2=restore2.TrimStart（'\uFEFF'）
来删除BOM表的前导字符。我也曾经想知道为什么
（新的UTF8Encoding（true））.GetBytes（“abc”）和
（新的UTF8Encoding（false））.GetBytes（“abc”）
会产生相同的输出，但正如您现在可能知道的那样，
GetBytes
并不假定您位于文件的开头，因此它从不使用
GetPreamble
。如果使用
GetBytes
或
GetString
，则必须显式地
GetPreamble
，或者显式地跳过preamble。我认为您可能需要使用它来指定是否应该查找BOM以确定编码。