Question

我在尝试将包含简体中文的字符串转换为双字节编码（GB2312）时遇到问题。这是用于将中文字符打印到斑马打印机上。

我正在查看的规格显示了＆＃34;冈区色呆＆＃34;的文字示例。它们显示为转换为十六进制值38_54_47_78_49_2b_34_74。

在我的C＃代码中，我试图使用下面的代码作为测试来转换它。我的结果似乎在前导十六进制值中偏离了7。我在这里缺少什么？

       private const string SimplifiedChineseChars = "冈区色呆";

        [TestMethod]
        public void GetBackCorrectHexValues()
        {
            byte[] bytes = Encoding.GetEncoding(20936).GetBytes(SimplifiedChineseChars);
            string hex = BitConverter.ToString(bytes).Replace("-", "_");                
            //I get the following: B8_D4_C7_F8_C9_AB_B4_F4
            //I am expecting:      38_54_47_78_49_2b_34_74
        }

Answer 1

对我来说唯一有意义的是38_54_47_78_49_2b_34_74是某种形式的7位编码。

有趣的是，GB2312编码的7位版本确实存在，并称为HZ字符编码。

这是wikipedia entry on HZ。有趣的部分：

发明HZ ...编码是为了方便通过电子邮件使用中文字符，当时只允许 7位字符。

HZ代码使用 仅可打印的 ， 7位字符来表示中文字符

而且，根据this Microsoft reference page on EncodingInfo.GetEncoding，.NET支持这种字符编码：

52936 hz-gb-2312 简体中文（HZ）

如果我尝试使用代码，并将字符编码替换为HZ，我会得到：

static void Main(string[] args)
{
    const string SimplifiedChineseChars = "冈区色呆";
    byte[] bytes = Encoding.GetEncoding("hz-gb-2312").GetBytes(SimplifiedChineseChars);
    string hex = BitConverter.ToString(bytes).Replace("-", "_");
    Console.WriteLine(hex);
}

输出：

7E_7B_的 38_54_47_78_49_2B_34_74 _7E_7D

因此，除了在中文字符字节之前和之后添加转义序列~{和~}之外，您基本上可以得到您正在寻找的内容。这些转义序列是必需的，因为此编码支持将ASCII字符字节（单字节编码）与GB中文字符字节（双字节编码）混合。转义序列标记不应解释为ASCII的区域。

如果您选择使用hz-gb-2312编码，则必须自行删除任何不需要的转义序列，如果您认为不需要它们。但是，也许你确实需要它们。你必须弄清楚你的打印机到底想要什么。

或者，如果你真的不想拥有那些转义序列，并且如果你不担心必须处理ASCII字符，并且相信你只需要处理中文双字节字符，那么你可以选择坚持使用vanilla GB2312编码，然后自己删除每个字节的最高位，实际上将结果转换为7位编码。

以下是代码的外观。请注意，我使用0x7F屏蔽每个字节值以丢弃第8位。

static void Main(string[] args) { const string SimplifiedChineseChars = "冈区色呆"; byte[] bytes = Encoding.GetEncoding("gb2312") // vanilla gb2312 encoding .GetBytes(SimplifiedChineseChars) .Select(b => (byte)(b & 0x7F)) // retain 7 bits only .ToArray(); string hex = BitConverter.ToString(bytes).Replace("-", "_"); Console.WriteLine(hex); }

输出：

38_54_47_78_49_2B_34_74

中文简体到C语言中的Hex GB2312编码

1 个答案: