0

Есть строка вида

string s ="\u0431\u044b\u0442\u044c 12 \u0446\u0438\u0444\u0440."

Если я её вставляю в какой-нибудь онлайн сервис, то оно успешно декодируется как

быть 12 цифр.

И онлайн сервис показывает разные кодировки, автоматические им подобранные. Например, что исходный текст был unicode, а после перевода - UTF8

Ок, пишем тоже самое на С#

            string substring ="\u0431\u044b\u0442\u044c 12 \u0446\u0438\u0444\u0440."
            Encoding utf8 = Encoding.UTF8;
            Encoding unicode = Encoding.Unicode;

            // Convert the string into a byte array.
            byte[] unicodeBytes = unicode.GetBytes(substring);

            // Perform the conversion from one encoding to the other.
            byte[] utf8Bytes = Encoding.Convert(unicode, utf8, unicodeBytes);

            // Convert the new byte[] into a char[] and then into a string.
            char[] utf8Chars = new char[utf8.GetCharCount(utf8Bytes, 0, utf8Bytes.Length)];
            utf8.GetChars(utf8Bytes, 0, utf8Bytes.Length, utf8Chars, 0);
            string utf8String = new string(utf8Chars);
            Console.WriteLine(utf8string);

И на выходе получаем точно такой же

\u0431\u044b\u0442\u044c 12 \u0446\u0438\u0444\u0440.

Как я понимаю, я неправильно понял саму суть кодировки - кодировка кодирует байты, а строка изначально уже закодирована чем то внутренним в C#, возможно, тем же UTF8, поэтому он и не пытается перекодировать символы \u0431 и остальные в кириллицу, а просто считает что строка и так уже в UTF8.

Вопрос - как скормить декодеру эти самые escape-последовательности, означающие какие то киррилическим символы, чтобы в итоге он выдал мне то же самое, что и онлайн сервисы?

По запросу комментаторов вывел utf8chars, это массив чаров, поэтому вывел через foreach

вывод

\

u

0

4

4

с

1

2

Комментарий после верного ответа.

ответ дан 32 минуты назад

@vp_arth

Regex.Unescape помог. Действительно, неудобно получилось - я хотел сократить вопрос, поэтому написал строку заранее. Но на самом деле я получаю эту строку из веб реквеста, и при её выводе получаю недекодированные символы. Если взять символы снова и просто забить их в строку - всё выводится корректно. Видимо, строка как раз и делает Regex.Unescape в первый раз, поэтому повторно выводит корректно

3
  • 1
    А вы пробовали выводить substring? dotnetfiddle.net/ofGlZ4
    – vp_arth
    31 окт 2020 в 12:31
  • 1
    Или вы имели в виду "\\u0431"?
    – vp_arth
    31 окт 2020 в 12:33
  • @AK Вывел, все в основном посте
    – Potion
    31 окт 2020 в 12:38

1 ответ 1

2

В такой строке уже декодированные символы:

Console.WriteLine("\u0431\u044b\u0442\u044c 12 \u0446\u0438\u0444\u0440."); 
// быть 12 цифр.

А тут сырая строка со слешами, их можно, например, заменить вручную:

string s = @"\u0431\u044b\u0442\u044c 12 \u0446\u0438\u0444\u0440."; 
Console.WriteLine(s);
// \u0431\u044b\u0442\u044c 12 \u0446\u0438\u0444\u0440.

Regex  rx = new Regex( @"\\u([0-9a-f]{4})");
s = rx.Replace(s, match => ((char) Int32.Parse(match.Value.Substring(2), NumberStyles.HexNumber)).ToString() );
Console.WriteLine(s);
// быть 12 цифр.

Или проще:

Console.WriteLine(Regex.Unescape(@"\u0431\u044b\u0442\u044c 12 \u0446\u0438\u0444\u0440."));
// быть 12 цифр.
1
  • Regex.Unescape помог. Действительно, неудобно получилось - я хотел сократить вопрос, поэтому написал строку заранее. Но на самом деле я получаю эту строку из веб реквеста, и при её выводе получаю недекодированные символы. Если взять символы снова и просто забить их в строку - всё выводится корректно. Видимо, строка как раз и делает Regex.Unescape в первый раз, поэтому повторно выводит корректно.
    – Potion
    31 окт 2020 в 13:18

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.