.NET Framework 4.5下波斯文HTML文本乱码解码问题求助

你的问题出在当前的解码逻辑完全搞错了字节流的来源——你现在是把已经是UTF-16编码的.NET字符串直接拆成单字节，这和服务器返回的原始UTF-8字节流完全不是一回事，所以解码后还是乱码。

问题根源 #

你看到的乱码（جشن نوروز/جشن سال نو），本质是服务器返回的UTF-8字节被错误地用ISO-8859-1（或Windows-1252）编码解码成了字符串。要还原正确的波斯文，需要把这个乱码字符串先转回对应的字节数组（用ISO-8859-1编码），再用UTF-8解码。

正确的扩展方法 #

替换你当前的方法，用下面这段代码：

public static string FixUtf8Misdecoding(this string misdecodedString)
{
    // 把乱码字符串转回原始UTF-8字节（ISO-8859-1是单字节映射，能完整还原原始字节）
    byte[] utf8Bytes = Encoding.GetEncoding("ISO-8859-1").GetBytes(misdecodedString);
    // 用UTF-8解码字节数组得到正确字符串
    return Encoding.UTF8.GetString(utf8Bytes);
}

测试你的示例 #

把你给出的乱码字符串传入这个方法：

string messedUp = "جشن نوروز/جشن سال نو";
string fixedText = messedUp.FixUtf8Misdecoding();
// fixedText 会得到正确的波斯文："جشن نوروز/جشن سال نو"

额外建议 #

如果是直接从服务器获取响应，尽量不要先把响应流转成字符串，而是直接读取原始字节数组，再用UTF-8解码，从根源避免编码错误：

// 示例：用HttpClient获取原始字节再解码
using (var client = new HttpClient())
{
    byte[] rawBytes = await client.GetByteArrayAsync("你的API地址");
    string correctText = Encoding.UTF8.GetString(rawBytes);
}

内容的提问来源于stack exchange，提问作者farshid torkaman