C# UTF8 XML文档中ASCII字符串的字节数组编码

我有以下几点要求：

…文档必须用UTF-8编码。。。Lastname字段仅允许（扩展）ASCIICity仅允许ISOLatin1 …消息必须作为IBytesMessage放在（IBM Websphere）消息队列中

为简单起见，XML文档如下所示：

<?xml version="1.0" encoding="utf-8"?>
<foo>
  <lastname>John ÐØë</lastname>
  <city>John ÐØë</city>
  <other>UTF-8 string</other>
</foo>

因此，我实例化一个对象并设置lastname：

var x = new foo() { lastname = "John ÐØë", city = "John ÐØë" };

这就是我头疼的地方（或者如果你愿意的话…）：

• Visual studio/源代码是Unicode格式的
• 因此：对象具有Unicodelastname
• XML序列化程序使用UTF-8对文档进行编码
• Lastname应仅包含（扩展）ASCII字符；字符是有效的ASCII字符，但当然是UTF-8编码形式

我通常不会遇到编码方面的任何问题；我很熟悉，但这件事让我很困惑

我知道UTF-8文档将完全能够“包含”两种编码，因为代码点“重叠”。但是，当我需要将序列化消息转换为字节数组时，我就迷失了方向。当进行转储时，我看到

c3xx c3xx c3xx

（我手头没有实际转储）。很明显（或者我已经盯着它太久了），lastname/city字符串是以unicode格式放在序列化文档中的；字节数组表明了这一点

现在，我必须做什么，在哪里，以确保Lastname字符串进入XML文档，最后是字节数组作为ASCII字符串（以及实际的208、216、235字节序列），并且该城市将其作为ISOLatin1放入其中

我知道这些要求是倒退的，但我不能改变这些（第三方）。我总是在我们的内部项目中使用UTF-8，所以我必须支持unicode-utf8=>ASCII/ISOLatin1转换（当然，只支持那些集合中的字符）

---

我的头疼…

所以

System.Text.Encoding.ASCII.GetBytes（string）

可能会执行您想要的操作。。将字符串转换为ascii编码的字节数组。

在UTF-8编码的字符串/字节数组中不能有208、216、235字节序列

我希望您可以将XML另存为ISO 8859-1，无论是否在XML

处理指令中提及它（甚至可能在XML头中指定无效的UTF-8编码）

否则，如果您的需求如您所述，只需为给定的输入请求准确的预期字节数组，并创建您自己的自定义序列化（或者自定义编码，也不确定是否可行）

文档必须用UTF-8编码。

Lastname

字段仅允许使用ASCII<代码>城市仅允许隔离1。消息必须作为

IBytesMessage

放在（IBM Websphere）

MessageQueue

上

如果这是准确的规格，那么我想你可能会误解它。您的任务不是编码，而是验证/回退。整个文档（包括

Lastname

和

City

字段）必须编码为UTF-8。很简单，如果XML文档将其编码声明为UTF-8，然后包含在该编码下无效的字节值，那么它将无效

方便的是，ASCII与Unicode的前128个代码点重叠；Latin1与前256重叠

要检查

Lastname

是否可以表示为ASCII，则可以检查其所有字符的代码点是否在0–127范围内

bool isLastnameAscii = foo.Lastname.All(c => (int)c < 128);

类似地，对于城市：

bool isCityLatin1 = foo.City.All(c => (int)c < 256);

Encoding latin1 = Encoding.GetEncoding("iso-8859-1");
foo.City = latin1.GetString(latin1.GetBytes(foo.City));

---

SecurityElement.Escape

将字符串中的无效XML字符替换为其有效的等效XML字符（例如，

不管XML文档是如何编码以进行传输的。正确的方法是对某些非ASCII字符进行编码，以使它们在传输过程中不受损害。使用表示需要保留的字符。例如

ÐØë

使用as表示

接收[conformant]XML处理器将/应该/必须将这些数字字符引用转换回它们所表示的字符。下面是一些代码：

public static string ConvertToXmlCharacterReference( this string xml )
{
  StringBuilder sb  = new StringBuilder( s.Length ) ;
  const char    SP  = '\u0020' ; // anything lower than SP is a control character
  const char    DEL = '\u007F' ; // anything above DEL isn't ASCII, per se.

  foreach( char ch in xml )
  {
    bool isPrintableAscii = ch >= SP && ch <= DEL ;

    if ( isPrintableAscii ) { sb.Append(ch)                             ; }
    else                    { sb.AppendFormat( "&#x{0:X4}" , (int) ch ) ; }

  }

  string instance = sb.ToString() ;
  return instance ;
}

public静态字符串ConvertToXmlCharacterReference（此字符串为xml）
{
StringBuilder sb=新StringBuilder（s.长度）；
const char SP='\u0020'；//任何低于SP的字符都是控制字符
const char DEL='\u007F'；//DEL之上的任何内容本身都不是ASCII。
foreach（xml中的char-ch）
{
bool isPrintableAscii=ch>=SP&&chNicholas Carey接受的答案是可以的，但它有错误，代码不起作用。我没有足够的声誉发表评论，因此我将在此处编写工作代码：

public static string ConvertToXmlCharacterReference(string xml)
    {
        StringBuilder sb = new StringBuilder();
        const char SP = '\u0020'; // anything lower than SP is a control character
        const char DEL = '\u007F'; // anything above DEL isn't ASCII, per se.
        int i = 0;
        foreach (char ch in xml)
        {
            bool isPrintableAscii = ch >= SP && ch <= DEL;
            if (isPrintableAscii)
            {
                sb.Append(ch);
            }
            else
            {
                sb.AppendFormat("&#x{0:X4};", (int) ch);
            }
        }
        string instance = sb.ToString();
        return instance;
    }

public静态字符串ConvertToXmlCharacterReference（字符串xml）
{
StringBuilder sb=新的StringBuilder（）；
const char SP='\u0020'；//任何低于SP的字符都是控制字符
const char DEL='\u007F'；//DEL之上的任何内容本身都不是ASCII。
int i=0；
foreach（xml中的char-ch）
{
bool isPrintableAscii=ch>=SP&&ch我将此理解为两个独立的要求：

1） XML必须是UTF-8编码的

2） 城市名称仅限于ISOLatin1

这意味着当您将UTF-8解码为未编码时，城市字符仅来自ISOLatin1集合。换句话说，XML可以进行ISOLatin1编码（所有文本都来自ISOLatin1代码表），但它是UTF-8。ISOLatin1是Unicode表的一小部分，UTF-8是Unicode的8位编码。
“ØØë”部分是（或应该是）ASCII值分别为208、216、235。”这是毫无意义的。没有ASCII值大于127的，这称为扩展A
ÐØë

&#x00D0;&#x00D8;&#x00EB;

public static string ConvertToXmlCharacterReference( this string xml )
{
  StringBuilder sb  = new StringBuilder( s.Length ) ;
  const char    SP  = '\u0020' ; // anything lower than SP is a control character
  const char    DEL = '\u007F' ; // anything above DEL isn't ASCII, per se.

  foreach( char ch in xml )
  {
    bool isPrintableAscii = ch >= SP && ch <= DEL ;

    if ( isPrintableAscii ) { sb.Append(ch)                             ; }
    else                    { sb.AppendFormat( "&#x{0:X4}" , (int) ch ) ; }

  }

  string instance = sb.ToString() ;
  return instance ;
}

public static string ConvertToXmlCharacterReference(string xml)
    {
        StringBuilder sb = new StringBuilder();
        const char SP = '\u0020'; // anything lower than SP is a control character
        const char DEL = '\u007F'; // anything above DEL isn't ASCII, per se.
        int i = 0;
        foreach (char ch in xml)
        {
            bool isPrintableAscii = ch >= SP && ch <= DEL;
            if (isPrintableAscii)
            {
                sb.Append(ch);
            }
            else
            {
                sb.AppendFormat("&#x{0:X4};", (int) ch);
            }
        }
        string instance = sb.ToString();
        return instance;
    }