C#中严格的字符串到字节编码

Question

我刚刚偶然发现了另一个问题,其中某人建议使用new ASCIIEncoding().GetBytes(someString)从字符串转换为字节.对我来说很明显,它不适用于非ASCII字符.但事实证明,ASCIIEncoding很乐意用'？'替换无效字符.我对此非常困惑,因为这种打破了最不惊讶的规则.在Python中,u"some unicode string".encode("ascii")默认情况下转换是严格的,因此非ASCII字符会导致此示例中的异常.

两个问题:

1. 如何将字符串严格转换为其他编码(如ASCII或Windows-1252),以便在出现无效字符时抛出异常？顺便说一句,我不希望foreach循环将每个Unicode数字转换为一个字节,然后检查第8位.这应该由像.NET(或Python ^^)这样的伟大框架来完成.
2. 有关此默认行为背后的基本原理的任何想法？对我来说,默认情况下进行严格转换或至少为此目的定义参数更有意义(Python允许"替换","忽略","严格").

Answer 1

.Net提供了在编码转换失败时抛出异常的选项.您需要使用EncoderExceptionFallback类(如果输入字符无法转换为编码的输出字节序列,则抛出EncoderFallbackException)以创建编码.以下代码来自该类的文档:

Encoding ae = Encoding.GetEncoding(
              "us-ascii",
              new EncoderExceptionFallback(), 
              new DecoderExceptionFallback());

然后使用该编码执行转换:

// The input string consists of the Unicode characters LEFT POINTING 
// DOUBLE ANGLE QUOTATION MARK (U+00AB), 'X' (U+0058), and RIGHT POINTING 
// DOUBLE ANGLE QUOTATION MARK (U+00BB). 
// The encoding can only encode characters in the US-ASCII range of U+0000 
// through U+007F. Consequently, the characters bracketing the 'X' character
// cause an exception.

string inputString = "\u00abX\u00bb";
byte[] encodedBytes = new byte[ae.GetMaxByteCount(inputString.Length)];
int numberOfEncodedBytes = 0;
try
{
    numberOfEncodedBytes = ae.GetBytes(inputString, 0, inputString.Length, 
                                       encodedBytes, 0);
}
catch (EncoderFallbackException e)
{
    Console.WriteLine("bad conversion");
}

此MSDN页面".NET Framework中的字符编码"在某种程度上讨论了默认转换行为背后的基本原理.总之,他们不想干扰依赖于此行为的遗留应用程序.但他们建议覆盖默认值.