C# 正在寻找验证UTF-8的样本

假设我有一个字节流（数组），我想编写代码（使用.Net C#）来验证它是否是有效的UTF-8字节序列。我想从头开始编写代码，因为我需要报告存在无效字节序列的确切位置，甚至可能删除无效字节——而不仅仅是想知道字节流/数组是否有效

是否有可供参考的样本代码？如果没有C#代码，也可以使用C++/Java中的简单示例。谢谢

对于UTF-8的无效字节序列，我的意思是

提前感谢,，

---

乔治说得不错。我不知道存在无效的UTF-8序列

维基百科上的这篇文章是一个起点，但我不认为你可以有一个完整的测试。你能？我感兴趣

一个完整的测试意味着对于每个序列，您可以有一个函数，该函数对每个可能的序列回答是或否。一个完整的功能

关键是如果序列不完整（短序列），该做什么或返回什么。据我所知，有一些编辑添加了一个特殊的字符，以实现它。也许你应该处理这些无效序列的情况，然后你的测试就完成了。 我不知道这是否是唯一的情况

无论如何，我会把这个问题作为一个最喜欢的，以保持跟踪的答案。肯定有人会照亮我们。

你需要的是。当

编码

类试图将字节序列转换为目标编码时，可以指定回退行为：

• 要么
• 或者

---

使用

UTF8Encoding

和

DecoderReplacementFallback

您可以实现您想要的目标。

这就是原始问题所要求的，即使它不是原始海报真正需要的。然而，我已经去写了，并且免费提供。也许其他人通过谷歌搜索来回答这个问题会发现它很有用

它一次占用一个字节，因此适合流处理，并将所有内容分类为有效的UTF-8或字节序列中的以下可能错误之一：

/* Ways a UTF stream can screw up */
/* a multibyte sequence without as many continuation bytes as expected.  e.g. [ef 81] 48 */
#define MISSING_CONTINUATION 1 
/* A continuation byte when not expected */
#define UNEXPECTED_CONTINUATION 2 
/* A full multibyte sequence encoding something that should have been encoded shorter */
#define OVERLONG_FORM 3
/* A full multibyte sequence encoding something larger than 10FFFF */
#define OUT_OF_RANGE 4
/* A full multibyte sequence encoding something in the range U+D800..U+DFFF */
#define BAD_SCALAR_VALUE 5
/* bytes 0xFE or 0xFF */
#define INVALID 6

该验证器具有一个很好的特性，即如果a和b是有效的utf-8字节流，而x是其他字节流，则级联a+x+b将被解码为a中编码的所有字符、字符和错误的某些组合，然后是x中编码的所有字符。也就是说，无效的字节序列不能吃掉在坏字节之后开始的有效编码字符

static void CheckUTF8(byte[] data)
{
    new UTF8Encoding(false, true).GetCharCount(data);
}

---

对无效数据引发

decoderCallbackException

DecoderFallbackException。索引应指向无效序列的索引。
。你说考试是什么意思？：-）实际上我是一个开发人员，我需要实现相同功能的简单示例来参考。如果你能给我一些参考样品，我将不胜感激。我手头有一些无效的UTF-8编码示例要进行测试。@DreamSonic，当使用以下代码段加载XML文档并检查它是否是UTF-8编码的（使用您上面建议的解决方案）时，如何添加回退函数？XmlDocument xDoc=新的XmlDocument（）；加载（“c:\\abc.xml”）；在这种情况下，应该使用XmlDocument.LoadXml（…）方法，而不是Load（…）。您应该打开流，读取其所有字节，并尝试使用encoding.GetString（…）将它们转换为给定的编码。否则框架将使用其默认行为：即，打开文件（假设为UTF8），读取