读取带有unicode字符的文件

我有一个 asp.net c# 页面，并尝试读取具有以下字符 ' 的文件并将其转换为 '. （从倾斜撇号到撇号）。

FileInfo fileinfo = new FileInfo(FileLocation);
string content = File.ReadAllText(fileinfo.FullName);

//strip out bad characters
content = content.Replace("’", "'");

这不起作用，它会将倾斜的撇号更改为？分数。

我怀疑问题不在于替换，而在于文件本身的读取。当我以 nieve 方式（使用 Word 和复制粘贴）尝试此操作时，我最终得到了与您相同的结果，但是检查content显示.Net框架认为该字符是Unicode字符65533，即“WTF？”特点before字符串替换。您可以通过检查相关内容自行检查特点在 Visual Studio 调试器中，应显示字符代码：

content[0]; // 65533 '�'

替换不起作用的原因很简单 -content不包含您提供的字符串：

content.IndexOf("’"); // -1

至于为什么文件读取无法正常工作 - 您在读取文件时可能使用了错误的编码。 （如果未指定编码，则 .Net 框架将尝试为您确定正确的编码，但是没有 100% 可靠的方法来执行此操作，因此经常会出错）。您需要的确切编码取决于文件本身，但是就我而言，使用的编码是扩展 ASCII http://en.wikipedia.org/wiki/Extended_ASCII，因此要读取文件，我只需要指定正确的编码：

string content = File.ReadAllText(fileinfo.FullName, Encoding.GetEncoding("iso-8859-1"));

(See 这个问题 https://stackoverflow.com/questions/666385/how-can-i-convert-extended-ascii-to-a-system-string).

您还需要确保在替换字符串中指定正确的字符 - 在代码中使用“奇数”字符时，您可能会发现通过字符代码指定字符更可靠，而不是作为字符串文字（这可能会导致如果源文件的编码发生变化，就会出现问题），例如以下内容对我有用：

content = content.Replace("\u0092", "'");