GB2312转UTF-8后不可逆？该如何解决

GB2312转UTF-8后不可逆？
如题，我做了两个将编码在utf-8和gb2312间转换的按钮，代码如下。但发现将textbox1中的中文utf-8转为gb2312再转回，大部分是可以转回的（部分文字会变成??这样）。但如果先gb2312转为utf-8再转回的话就完全是乱码了，想了半天不知道为什么会这样，求解……

'gb2312转utf8
Private Sub Button2_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button2.Click
        TextBox1.Text = Encoding.GetEncoding("utf-8").GetString(Encoding.GetEncoding("gb2312").GetBytes(TextBox1.Text))
    End Sub
'utf-8转gb2312
    Private Sub Button3_Click(ByVal sender As System.Object, ByVal e As System.EventArgs) Handles Button3.Click
        TextBox1.Text = Encoding.GetEncoding("gb2312").GetString(Encoding.GetEncoding("utf-8").GetBytes(TextBox1.Text))
    End Sub

[解决办法]
我的意思是说字符串已经没有Unicode这个概念了，字符串是由char类型组合，这个Unicode只是内部实现，换一个实现不会受影响。

就像上面的情况，一个错误的字节序列用uft-8编码返回字符串的时候，系统并没有按照编码规范转换为Unicode，而是对于没有定义的序列都用239，191，189这三个字节来表示，丢失了信息。

[解决办法]
当你写

txt = Encoding.UF8.GetString(byteVar)

的时候，你是把byteVar中的字节数组按照utf8规则逐字解析为unicode字符串（因为只有这样系统才能正确显示处理，因为现在的windows以及vs等都是基于unicode的）。

如果你把 txt 的值说成了什么“utf8字符串”那可就完全错误了。

查看更多 下一篇