.net System.IO.File.ReadAllText未引发无效编码异常

我在一个文件中有一些UTF-8文本

utf8.txt

。该文件包含一些超出ASCII范围的字符。我尝试了以下代码：

var fname = "utf8.txt";
var enc = Encoding.GetEncoding("ISO-8859-1", EncoderFallback.ExceptionFallback,
    DecoderFallback.ExceptionFallback);
var s = System.IO.File.ReadAllText(fname, enc);

var fname = "utf8.txt";
var utf8_bom_e_circumflex_bytes = new byte[] {0xEF, 0xBB, 0xBF, 0xC3, 0xAA};
System.IO.File.WriteAllBytes(fname, utf8_bom_e_circumflex_bytes);

预期的行为是代码应该抛出异常，因为它不是有效的ISO-8859-1文本。相反，其行为是将UTF-8文本正确解码为正确的字符（在调试器中看起来是正确的）

这是

.Net

中的错误吗

编辑：

我最初使用的文件是带有BOM的UTF-8。如果删除BOM表，行为将发生更改。它仍然不会引发异常，但会生成不正确的Unicode字符串（该字符串在调试器中看起来不正确）

编辑：

要生成测试文件，请运行以下代码：

var fname = "utf8.txt";
var enc = Encoding.GetEncoding("ISO-8859-1", EncoderFallback.ExceptionFallback,
    DecoderFallback.ExceptionFallback);
var s = System.IO.File.ReadAllText(fname, enc);

var fname = "utf8.txt";
var utf8_bom_e_circumflex_bytes = new byte[] {0xEF, 0xBB, 0xBF, 0xC3, 0xAA};
System.IO.File.WriteAllBytes(fname, utf8_bom_e_circumflex_bytes);

编辑：

我认为我对正在发生的事情有着坚定的把握（尽管我不同意.Net的部分行为）

• 如果文件以UTF-8 BOM开头，并且数据是有效的UTF-8，则

  ReadAllText

  将完全忽略传入的编码，并（正确地）将文件解码为UTF-8。（我没有测试如果BOM是谎言，文件不是真正的UTF-8会发生什么）我不同意这种行为。我认为.Net应该抛出一个异常，或者使用我给它的编码

• 如果文件没有BOM，.Net没有简单（100%可靠）的方法来确定文本不是真正的ISO-8859-1，因为大多数（全部？）UTF-8文本也是有效的ISO-8859-1，尽管是胡言乱语。所以它只是按照你的指令，用你给它的编码对文件进行解码。（我同意这种行为）

应引发异常，因为它不是有效的ISO-8859-1文本

在ISO-8859-1中，所有可能的字节都有到字符的映射，因此将非ISO-8859-1文件作为ISO-8859-1读取不会产生任何异常

（确实，0x80–0x9F范围内的所有字节都将成为您永远不想要的不可见控制代码，但它们仍然有效，只是没有用处。许多ISO-8859编码都是如此，它们将C1控制代码置于0x80–0x9F范围内，但不是全部。对于其他未映射字节的编码，您肯定会遇到异常，例如Windows-1252。）

如果文件以UTF-8 BOM开头，并且数据是有效的UTF-8，则ReadAllText将完全忽略传入的编码，并（正确地）将文件解码为UTF-8

是的。文件中暗示了这一点：

This method attempts to automatically detect the encoding of a file based on the presence of byte order marks.

---

我同意你的观点，这种行为非常愚蠢。我更喜欢

ReadAllBytes

并通过

编码.GetString

手动检查它。

你能提供一个你认为有问题的文件中的文本样本吗？我想了一下，但最好的方法是什么？我真的想发布一个二进制文件e、 也许只是一些你认为会失败的字符编码，我们可以在此基础上重新创建文本？或者我可以出去找一些模糊的utf8文本并使用它。我假设它不是一个特定的字符，只是你关心的任何无效ISO-8859-1字符都是8位编码，所以我相信字符允许从0x00到0xFF。“由于大多数（全部？）UTF-8文本也是有效的ISO-8859-1”-这仅适用于ASCII字节0x20-0x7E，它们在UTF-8和ISO-8859-1中相同。一旦超出该范围，UTF-8就不是有效的ISO-8859-1。ISO-8859-1中未定义字节0x00-0x1F和0x7F-0x9F（0x00是有争议的，因为它通常用作空终止符），而UTF-8中的大多数非ASCII字节由于UTF-8编码其位的方式而属于后一个范围。