C# .NET如何编写自定义编码器确保文本读写与序列化字符一致？

一、文件读取环节：选对编码是核心 #

你遇到的œ被转成o的问题，本质是编码不匹配：iso-8859-1（Latin-1）不包含œ这类扩展西欧字符，而原文件大概率采用Windows-1252编码（兼容Latin-1但支持更多特殊字符）。

不需要自定义File.ReadAllLines的编码器，.NET内置了所有常用编码，直接选对即可：

1. 先确认原文件的真实编码（用Notepad++打开，查看「编码」菜单）；
2. 用对应编码读取：

// 示例：Windows-1252编码读取
string[] lines = File.ReadAllLines("input.txt", Encoding.GetEncoding(1252));

如果不确定编码，也可以尝试Encoding.Default（对应系统默认西欧编码），或通过文件BOM自动检测：

using var reader = new StreamReader("input.txt", detectEncodingFromByteOrderMarks: true);
string[] lines = reader.ReadToEnd().Split(Environment.NewLine);

二、JSON序列化环节：避免字符转义与编码不匹配 #

默认JSON序列化会对非ASCII字符转义成\uXXXX格式，或写入文件时编码不匹配导致字符变形。只需配置序列化选项并统一编码即可：

1. 定义存储文本的对象

public class TextContainer
{
    public string[] Lines { get; set; }
}

2. 序列化并写入文件

// 读取文件（用正确编码）
var container = new TextContainer { Lines = File.ReadAllLines("input.txt", Encoding.GetEncoding(1252)) };

// 配置序列化选项：保留原始字符不转义
var jsonOptions = new JsonSerializerOptions
{
    Encoder = JavaScriptEncoder.UnsafeRelaxedJsonEscaping,
    WriteIndented = true // 可选，格式化输出
};

// 序列化后用相同编码写入文件
string jsonContent = JsonSerializer.Serialize(container, jsonOptions);
File.WriteAllText("output.txt", jsonContent, Encoding.GetEncoding(1252));

• JavaScriptEncoder.UnsafeRelaxedJsonEscaping会跳过非ASCII字符的转义，确保œ、æ、Ÿ等字符原样保留；
• 全程使用同一编码（如Windows-1252），避免读写时的编码转换丢失字符。

验证测试 #

针对你提供的测试文本：sfør、Är du säker på a、kolejnoœæ numeró等，采用上述方法后，所有特殊字符均可完整保留，无变形或丢失。

内容的提问来源于stack exchange，提问作者Miguel Azzopardi