读取字节而非UTF-8的固定宽度文件

Question

我有一个固定宽度的文件，我已根据起始字符和每个字段的长度映射了列。

它一直运行良好，直到我遇到

€

符号并注意到提供给我们的文件已配置，例如起始字符和长度以字节为单位定义。

这意味着，由于

€

符号是在三个字节上编码的，因此具有单个

€

的字段将显得短 2 个字符。

一个简单且不完整的解决方法是逐行解析文件，将

€

替换为

€  

。这可能需要稍后处理更多字符（例如

£

）。它们不太可能有很多，但由于这个领域不受限制，所以很有可能有一天会出现不受欢迎的失败。

有更好的方法吗？

using (var readFile = new StreamReader(path))
{
    var line = readFile.ReadLine();
    while ((line = readFile.ReadLine()) != null)
    {
        line = line.Replace("€", "€  ");
        ///Mycode...
        var obj = new T();
        obj.AssignObjectValuesFromFixedWidthLine(line);
        ... 
        ///
    }
}

Answer 1

我使用我支持的平面文件解析工具也遇到了同样的问题。为了解决这个问题，我所做的就是读取 ISO-8859-1 中的文件，无论实际的代码页如何，执行解析，然后将其转换回实际的原始代码页，然后再将其写回到输出流。