C #: Clase para la decodificación de comilla codificación?
https://stackoverflow.com/questions/2226554
-
19-09-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
RussianPregunta
¿Hay una clase existente en C # que puede convertir imprimir-Citado codificación a String ? Haga clic en el enlace de arriba para obtener más información sobre la codificación.
La siguiente es citado desde el enlace anterior para su conveniencia.
valor de byte Cualquier 8 bits puede ser codificado con 3 caracteres, un "=" seguido de dos dígitos hexadecimales (0-9 o A-F) que representa el valor numérico del byte. Por ejemplo, una forma de alimentación US-ASCII personaje (valor decimal 12) puede ser representado por "= 0C", y un US-ASCII signo igual (valor decimal 61) es representado por "= 3D". Todos los personajes excepto caracteres ASCII imprimibles o final de caracteres de línea debe ser codificada de esta manera.
Todos los caracteres ASCII imprimibles (valores decimales entre 33 y 126) puede ser representada por sí mismos, excepto "=" (decimal 61).
ficha ASCII y caracteres de espacio, valores decimales 9 y 32, pueden ser representado por sí mismos, excepto si estos caracteres aparecen al final de una línea. Si uno de estos personajes aparece al final de una línea que debe ser codificado como "= 09" (TAB) o "= 20" (Espacio).
Si los datos que están siendo codificados contiene saltos de línea significativos, deben estar codificado como una secuencia CR LF ASCII, no como los valores de bytes originales. Por el contrario si byte valores de 13 y 10 tienen significados distintos de final de línea entonces deben ser codificados como = 0D y = 0A.
Líneas de citado imprimible datos codificados no debe ser superior a 76 caracteres. Para satisfacer este requisito sin alterar el texto codificado, línea suave roturas pueden añadirse según se desee. Una suave salto de línea consiste en un "=" en el final de una línea codificada, y no lo hace provocar un salto de línea en el decodificado texto.
Solución
Hay funcionalidad en las bibliotecas de marco para hacer esto, pero no parece ser limpiamente expuesta. La aplicación se encuentra en la System.Net.Mime.QuotedPrintableStream clase interna. Esta clase define un método llamado DecodeBytes el que hace lo que quiere. El método parece ser utilizado por un solo método que se utiliza para decodificar cabeceras MIME. Este método también es interno, pero se llama bastante directamente en un par de lugares, por ejemplo, el colocador Attachment.Name. Una demostración:
using System;
using System.Net.Mail;
namespace ConsoleApplication1
{
class Program
{
static void Main(string[] args)
{
Attachment attachment = Attachment.CreateAttachmentFromString("", "=?iso-8859-1?Q?=A1Hola,_se=F1or!?=");
Console.WriteLine(attachment.Name);
}
}
}
produce la salida:
¡Hola, _señor!
Puede que tenga que hacer algunas pruebas para asegurar retornos de carro, etc, se trata correctamente aunque en una prueba rápida que hice que parecen ser. Sin embargo, puede que no sea aconsejable contar con esta funcionalidad a menos que su caso de uso es lo suficientemente cerca de decodificación de una cadena de encabezado MIME que usted no piensa que va a ser roto por los cambios realizados en la biblioteca. Usted puede ser mejor escribir su propio decodificador citado imprimible.
Otros consejos
extendí la solución de Martin Murphy y espero que funcione en todos los casos.
private static string DecodeQuotedPrintables(string input, string charSet)
{
if (string.IsNullOrEmpty(charSet))
{
var charSetOccurences = new Regex(@"=\?.*\?Q\?", RegexOptions.IgnoreCase);
var charSetMatches = charSetOccurences.Matches(input);
foreach (Match match in charSetMatches)
{
charSet = match.Groups[0].Value.Replace("=?", "").Replace("?Q?", "");
input = input.Replace(match.Groups[0].Value, "").Replace("?=", "");
}
}
Encoding enc = new ASCIIEncoding();
if (!string.IsNullOrEmpty(charSet))
{
try
{
enc = Encoding.GetEncoding(charSet);
}
catch
{
enc = new ASCIIEncoding();
}
}
//decode iso-8859-[0-9]
var occurences = new Regex(@"=[0-9A-Z]{2}", RegexOptions.Multiline);
var matches = occurences.Matches(input);
foreach (Match match in matches)
{
try
{
byte[] b = new byte[] { byte.Parse(match.Groups[0].Value.Substring(1), System.Globalization.NumberStyles.AllowHexSpecifier) };
char[] hexChar = enc.GetChars(b);
input = input.Replace(match.Groups[0].Value, hexChar[0].ToString());
}
catch { }
}
//decode base64String (utf-8?B?)
occurences = new Regex(@"\?utf-8\?B\?.*\?", RegexOptions.IgnoreCase);
matches = occurences.Matches(input);
foreach (Match match in matches)
{
byte[] b = Convert.FromBase64String(match.Groups[0].Value.Replace("?utf-8?B?", "").Replace("?UTF-8?B?", "").Replace("?", ""));
string temp = Encoding.UTF8.GetString(b);
input = input.Replace(match.Groups[0].Value, temp);
}
input = input.Replace("=\r\n", "");
return input;
}
escribí esto muy rápido.
public static string DecodeQuotedPrintables(string input)
{
var occurences = new Regex(@"=[0-9A-H]{2}", RegexOptions.Multiline);
var matches = occurences.Matches(input);
var uniqueMatches = new HashSet<string>(matches);
foreach (string match in uniqueMatches)
{
char hexChar= (char) Convert.ToInt32(match.Substring(1), 16);
input =input.Replace(match, hexChar.ToString());
}
return input.Replace("=\r\n", "");
}
Si son decodificación citado imprimible con codificación UTF-8 que tendrá que tener en cuenta que no se puede decodificar cada secuencia citado imprimible de uno en uno-a-tiempo que los otros han demostrado si hay carreras de caracteres imprimibles citados juntos.
Por ejemplo - si usted tiene la siguiente secuencia = E2 = 80 = 99 y descodificar este usando UTF8 de una en una vez que reciba tres caracteres "extraños" - si en lugar de construir una matriz de tres bytes y convertir la tres bytes con la codificación UTF-8 se obtiene una sola aphostrope.
Obviamente, si usted está utilizando la codificación ASCII entonces uno-a-un-tiempo no es un problema, sin embargo decodificación de carreras significa que su código funcionará independientemente del codificador de texto utilizado.
Ah, y no olvide = 3D es un caso especial que significa que hay que descifrar lo que tengas una vez más ... Esa es una de gotcha loco!
Espero que ayude
Este decodificador para imprimir Citado funciona muy bien!
public static byte[] FromHex(byte[] hexData)
{
if (hexData == null)
{
throw new ArgumentNullException("hexData");
}
if (hexData.Length < 2 || (hexData.Length / (double)2 != Math.Floor(hexData.Length / (double)2)))
{
throw new Exception("Illegal hex data, hex data must be in two bytes pairs, for example: 0F,FF,A3,... .");
}
MemoryStream retVal = new MemoryStream(hexData.Length / 2);
// Loop hex value pairs
for (int i = 0; i < hexData.Length; i += 2)
{
byte[] hexPairInDecimal = new byte[2];
// We need to convert hex char to decimal number, for example F = 15
for (int h = 0; h < 2; h++)
{
if (((char)hexData[i + h]) == '0')
{
hexPairInDecimal[h] = 0;
}
else if (((char)hexData[i + h]) == '1')
{
hexPairInDecimal[h] = 1;
}
else if (((char)hexData[i + h]) == '2')
{
hexPairInDecimal[h] = 2;
}
else if (((char)hexData[i + h]) == '3')
{
hexPairInDecimal[h] = 3;
}
else if (((char)hexData[i + h]) == '4')
{
hexPairInDecimal[h] = 4;
}
else if (((char)hexData[i + h]) == '5')
{
hexPairInDecimal[h] = 5;
}
else if (((char)hexData[i + h]) == '6')
{
hexPairInDecimal[h] = 6;
}
else if (((char)hexData[i + h]) == '7')
{
hexPairInDecimal[h] = 7;
}
else if (((char)hexData[i + h]) == '8')
{
hexPairInDecimal[h] = 8;
}
else if (((char)hexData[i + h]) == '9')
{
hexPairInDecimal[h] = 9;
}
else if (((char)hexData[i + h]) == 'A' || ((char)hexData[i + h]) == 'a')
{
hexPairInDecimal[h] = 10;
}
else if (((char)hexData[i + h]) == 'B' || ((char)hexData[i + h]) == 'b')
{
hexPairInDecimal[h] = 11;
}
else if (((char)hexData[i + h]) == 'C' || ((char)hexData[i + h]) == 'c')
{
hexPairInDecimal[h] = 12;
}
else if (((char)hexData[i + h]) == 'D' || ((char)hexData[i + h]) == 'd')
{
hexPairInDecimal[h] = 13;
}
else if (((char)hexData[i + h]) == 'E' || ((char)hexData[i + h]) == 'e')
{
hexPairInDecimal[h] = 14;
}
else if (((char)hexData[i + h]) == 'F' || ((char)hexData[i + h]) == 'f')
{
hexPairInDecimal[h] = 15;
}
}
// Join hex 4 bit(left hex cahr) + 4bit(right hex char) in bytes 8 it
retVal.WriteByte((byte)((hexPairInDecimal[0] << 4) | hexPairInDecimal[1]));
}
return retVal.ToArray();
}
public static byte[] QuotedPrintableDecode(byte[] data)
{
if (data == null)
{
throw new ArgumentNullException("data");
}
MemoryStream msRetVal = new MemoryStream();
MemoryStream msSourceStream = new MemoryStream(data);
int b = msSourceStream.ReadByte();
while (b > -1)
{
// Encoded 8-bit byte(=XX) or soft line break(=CRLF)
if (b == '=')
{
byte[] buffer = new byte[2];
int nCount = msSourceStream.Read(buffer, 0, 2);
if (nCount == 2)
{
// Soft line break, line splitted, just skip CRLF
if (buffer[0] == '\r' && buffer[1] == '\n')
{
}
// This must be encoded 8-bit byte
else
{
try
{
msRetVal.Write(FromHex(buffer), 0, 1);
}
catch
{
// Illegal value after =, just leave it as is
msRetVal.WriteByte((byte)'=');
msRetVal.Write(buffer, 0, 2);
}
}
}
// Illegal =, just leave as it is
else
{
msRetVal.Write(buffer, 0, nCount);
}
}
// Just write back all other bytes
else
{
msRetVal.WriteByte((byte)b);
}
// Read next byte
b = msSourceStream.ReadByte();
}
return msRetVal.ToArray();
}
private string quotedprintable(string data, string encoding)
{
data = data.Replace("=\r\n", "");
for (int position = -1; (position = data.IndexOf("=", position + 1)) != -1;)
{
string leftpart = data.Substring(0, position);
System.Collections.ArrayList hex = new System.Collections.ArrayList();
hex.Add(data.Substring(1 + position, 2));
while (position + 3 < data.Length && data.Substring(position + 3, 1) == "=")
{
position = position + 3;
hex.Add(data.Substring(1 + position, 2));
}
byte[] bytes = new byte[hex.Count];
for (int i = 0; i < hex.Count; i++)
{
bytes[i] = System.Convert.ToByte(new string(((string)hex[i]).ToCharArray()), 16);
}
string equivalent = System.Text.Encoding.GetEncoding(encoding).GetString(bytes);
string rightpart = data.Substring(position + 3);
data = leftpart + equivalent + rightpart;
}
return data;
}
Yo estaba buscando una solución dinámica y pasé 2 días probando diferentes soluciones. Esta solución apoyará caracteres japoneses y otros conjuntos de caracteres estándar
private static string Decode(string input, string bodycharset) {
var i = 0;
var output = new List<byte>();
while (i < input.Length) {
if (input[i] == '=' && input[i + 1] == '\r' && input[i + 2] == '\n') {
//Skip
i += 3;
} else if (input[i] == '=') {
string sHex = input;
sHex = sHex.Substring(i + 1, 2);
int hex = Convert.ToInt32(sHex, 16);
byte b = Convert.ToByte(hex);
output.Add(b);
i += 3;
} else {
output.Add((byte)input[i]);
i++;
}
}
if (String.IsNullOrEmpty(bodycharset))
return Encoding.UTF8.GetString(output.ToArray());
else {
if (String.Compare(bodycharset, "ISO-2022-JP", true) == 0)
return Encoding.GetEncoding("Shift_JIS").GetString(output.ToArray());
else
return Encoding.GetEncoding(bodycharset).GetString(output.ToArray());
}
}
A continuación, puede llamar a la función con
Decode("=E3=82=AB=E3=82=B9=E3", "utf-8")
Esto se encontró originalmente aquí
El único que trabajó para mí.
http://sourceforge.net/apps/trac/syncmldotnet/wiki/ citado% 20Printable
Si sólo necesita decodificar el cualificadas, tire dentro de su código esas tres funciones desde el enlace de arriba:
HexDecoderEvaluator(Match m)
HexDecoder(string line)
Decode(string encodedText)
Y luego simplemente:
var humanReadable = Decode(myQPString);
Disfrute
Una mejor solución
private static string DecodeQuotedPrintables(string input, string charSet)
{
try
{
enc = Encoding.GetEncoding(CharSet);
}
catch
{
enc = new UTF8Encoding();
}
var occurences = new Regex(@"(=[0-9A-Z]{2}){1,}", RegexOptions.Multiline);
var matches = occurences.Matches(input);
foreach (Match match in matches)
{
try
{
byte[] b = new byte[match.Groups[0].Value.Length / 3];
for (int i = 0; i < match.Groups[0].Value.Length / 3; i++)
{
b[i] = byte.Parse(match.Groups[0].Value.Substring(i * 3 + 1, 2), System.Globalization.NumberStyles.AllowHexSpecifier);
}
char[] hexChar = enc.GetChars(b);
input = input.Replace(match.Groups[0].Value, hexChar[0].ToString());
}
catch
{ ;}
}
input = input.Replace("=\r\n", "").Replace("=\n", "").Replace("?=", "");
return input;
}
public static string DecodeQuotedPrintables(string input, Encoding encoding)
{
var regex = new Regex(@"\=(?<Symbol>[0-9A-Z]{2})", RegexOptions.Multiline);
var matches = regex.Matches(input);
var bytes = new byte[matches.Count];
for (var i = 0; i < matches.Count; i++)
{
bytes[i] = Convert.ToByte(matches[i].Groups["Symbol"].Value, 16);
}
return encoding.GetString(bytes);
}
A veces, la cadena en un archivo EML está compuesta por varias partes codificadas. Se trata de una función para utilizar el método de Dave para estos casos:
public string DecodeQP(string codedstring)
{
Regex codified;
codified=new Regex(@"=\?((?!\?=).)*\?=", RegexOptions.IgnoreCase);
MatchCollection setMatches = codified.Matches(cadena);
if(setMatches.Count > 0)
{
Attachment attdecode;
codedstring= "";
foreach (Match match in setMatches)
{
attdecode = Attachment.CreateAttachmentFromString("", match.Value);
codedstring+= attdecode.Name;
}
}
return codedstring;
}
Tenga en cuenta: soluciones con "input.Replace" son todos a través de Internet y todavía no son correctos.
Vea, si usted tiene un símbolo decodificado y luego usar "reemplazar" ALL serán reemplazados símbolos en "entrada", y entonces todo siguiente descodificación se romperá.
solución más correcto:
public static string DecodeQuotedPrintable(string input, string charSet)
{
Encoding enc;
try
{
enc = Encoding.GetEncoding(charSet);
}
catch
{
enc = new UTF8Encoding();
}
input = input.Replace("=\r\n=", "=");
input = input.Replace("=\r\n ", "\r\n ");
input = input.Replace("= \r\n", " \r\n");
var occurences = new Regex(@"(=[0-9A-Z]{2})", RegexOptions.Multiline); //{1,}
var matches = occurences.Matches(input);
foreach (Match match in matches)
{
try
{
byte[] b = new byte[match.Groups[0].Value.Length / 3];
for (int i = 0; i < match.Groups[0].Value.Length / 3; i++)
{
b[i] = byte.Parse(match.Groups[0].Value.Substring(i * 3 + 1, 2), System.Globalization.NumberStyles.AllowHexSpecifier);
}
char[] hexChar = enc.GetChars(b);
input = input.Replace(match.Groups[0].Value, new String(hexChar));
}
catch
{ Console.WriteLine("QP dec err"); }
}
input = input.Replace("?=", ""); //.Replace("\r\n", "");
return input;
}
