C# 如何修复编码，我得到的ascii值为63，而它应该是规则的空格

在我的c#代码中，我从pdf中提取文本，但它返回的文本有一些奇怪的字符，如果我在知道pdf文档中有文本“CLE action”时搜索“CLE action”，它会给我一个false，但我发现在提取文本后，两个单词之间的空格的ascii字节值为63

有没有一种快速的方法来修复文本的编码

目前我正在使用这种方法，但我认为它很慢，只适用于一个字符。有没有适合所有角色的快速方法

    public static string fix_encoding(string src)
    {
        StringWriter return_str = new StringWriter();
        byte[] byte_array = Encoding.ASCII.GetBytes(src.Substring(0, src.Length));
        int len = byte_array.Length;
        byte byt;
        for(var i=0; i<len; i+=1)
        {
            byt = byte_array[i];
            if (byt == 63)
            {
                return_str.Write(" ");
            }
            else
            {
                return_str.Write(Encoding.ASCII.GetString(byte_array, i, 1));
            }
        }
        return return_str.ToString();
    }

---

从pdf文件中提取的空间可能不是实空间（“”），而是unicode中定义的其他类型的空间。例如，“em空间”或“非中断空间”，请参阅或以获取概述

如果提取的文本包含这样一个空格，并且您在文本中搜索普通空格，您将找不到它，因为它不完全相同

您的fix_编码函数。ASCII中并不存在所有不寻常的空格。默认情况下，非ASCII字符为。因此，在fix_编码函数中，您会看到一个问号，即使原始文本具有不同的字符

这意味着在fix_编码函数中，不应转换为ASCII，而应将不寻常的空格替换为普通空格。下面的函数将转换所有非ASCII字符，但您也可以使用来确定用普通空格替换哪些字符

public static string remove_non_ascii(string src)
{
    return Regex.Replace(src, @"[^\u0000-\u007F]", " ");
}

---

src

到底从哪里来？如果您意外地得到一个

？

（这就是ASCII 63），那可能是因为您一开始使用了错误的编码。您需要回到实际解码PDF的位置，然后使用正确的编码对其进行解码。@Jon Skeet，我使用iTextSharp方法从页面获取文本。（见上图）@omega:你为什么要用

StringWriter

呢？为什么不干脆

currentText=pdftextractor.GetTextFromPage（reader，page，new SimpleTextractionStrategy（））

？

public static string remove_non_ascii(string src)
{
    return Regex.Replace(src, @"[^\u0000-\u007F]", " ");
}