从文本文件读取字节数组还原PDF时出现文件损坏问题

数据老陈

2026-7-19

问题原因及解决方案

问题根源

PDF属于二进制文件，其字节序列包含大量不符合UTF-8编码规范的字节。当你用Encoding.UTF8.GetString(SourceBytes)把二进制字节转成UTF-8字符串时，所有无效的UTF-8字节都会被自动替换成�（替换字符）。后续再用Encoding.UTF8.GetBytes()转回字节数组时，这些被替换的字节已经无法还原成原始值，最终导致生成的PDF文件损坏。

正确解决方案：使用Base64编码

Base64是专门设计用来将二进制数据转换为可安全存储/传输的文本格式的编码方式，能保证二进制数据和文本之间的无损转换。修改后的代码如下：

using System.Text;

string SourceFile = @"C:\Files\originalfile.pdf";
string SerializedFile = @"C:\Files\serialized.txt";
string RevivedFile = @"C:\Files\revived.pdf";

SerializeFile(SourceFile, SerializedFile);
DeSerializeFile(SerializedFile, RevivedFile);

// 序列化：二进制转Base64文本
static void SerializeFile(string SourceFilePath, string SerializedFilePath)
{
    byte[] SourceBytes = File.ReadAllBytes(SourceFilePath);
    string base64String = Convert.ToBase64String(SourceBytes);
    File.WriteAllText(SerializedFilePath, base64String);
    Console.WriteLine("Serialized File created");
}

// 反序列化：Base64文本转二进制
static void DeSerializeFile(string SerializedFilePath, string RevivedFilePath)
{       
    string base64String = File.ReadAllText(SerializedFilePath);
    byte[] RevivedBytes = Convert.FromBase64String(base64String);
    File.WriteAllBytes(RevivedFilePath, RevivedBytes);
    Console.WriteLine("File Revived.");
}