UTF-8编码的空格(194 160)问题
前台的字符串传递到后台进行处理,发现了一个较诡异的问题:字符串中的一个空格(ASCII:32)被UTF-8编码之后变成了一个诡异的字符(ASCII:194 和 160的组合)!但在后台其表象还是空格。
在UTF-8编码里面存在一个特殊的字符,其编码是“0xC2 0xA0”,转换成字符的时候表现为一个半角空格,跟一般的半角空格(ASCII 0x20)不同的是它的宽度不会被压缩,所以排版中常能用到它。但是GB2312、Unicode之类并没有这样的字符,所以转换后前台会显示为“?”号,只是显示为问号而不是真正的问号,所以无法被替换!
对这两个看似相同的字符串进行一下转换可以确认:原始的字符串为:”#' %$ ()_ -{}.b“ 被转义后的字符串为:”#' %$ ()_ -{}.b“ 【注:双引号不算,转换为byte数组之后可以看到,原来的是16个字节,后来的那个是17个字节:这就是 32 --> 194 160 的结果】
string tmp1 = "#' %$ ()_ -{}.b"; string tmp2 = "#' %$ ()_ -{}.b"; byte[] o1 = Encoding.UTF8.GetBytes(tmp1); byte[] o2 = Encoding.UTF8.GetBytes(tmp2);
知道了这个原因之后,就好办了,写代码可以把194 和 160 的组合转换回去。程序(C#)如下所示:
private string ChangeUTF8Space(string targetStr) { try { string currentStr = string.Empty; byte[] utf8Space = new byte[] { 0xc2, 0xa0 }; string tempSpace = Encoding.GetEncoding("UTF-8").GetString(utf8Space); currentStr = targetStr.Replace(tempSpace, " "); return currentStr; } catch (Exception ex) { return targetStr; } }
更多的编码格式对照表可以看这篇文章:http://www.utf8-chartable.de/unicode-utf8-table.pl?utf8=dec