将编码字符串转字节写入PDF失败，如何确认编码及正确处理？

编辑：问题已解决，感谢Jeremy Lakeman的评论，为我指明了正确方向。

问题背景 #

我持有一段PDF文件内容字符串，需要基于该字符串生成可正常打开的PDF文件。

编辑：编码字符串的样例可查看相关截图及共享文档内容。
我此前没有编码相关处理经验，若有基础概念错误还请谅解。

已尝试的方案 #

我最初使用如下代码做字符串转字节、写入文件的操作：

var bytes = System.Text.Encoding.Unicode.GetBytes(FileContentString);
File.WriteAllBytes(filePath, bytes);

代码运行后可以生成后缀为.pdf的文件，但用Edge PDF查看器打开时会提示“我们无法打开此文件”。
后续我还尝试了UTF-8、UTF-32编码做转换，所有编码方式都能正常写出文件，但生成的文件要么无法打开，要么打开后仅显示空白页。

存在的疑问 #

• 这段PDF内容字符串实际使用的是什么编码？
• 是不是我整体的处理逻辑本身就有错误？

解答 #

你的处理逻辑从根本上存在错误，和选哪种UTF/Unicode编码没有关系：

• PDF是二进制格式文件，不是纯文本文件，不能直接通过Unicode、UTF-8、UTF-32这类面向文本的编码把字符串转成字节就生成合法PDF，这类转换会破坏PDF的原始二进制结构，自然无法正常打开。
• 你手里的PDF内容字符串只有两种常见可能，对应处理方式如下：
  • 如果字符串以JVBERi0开头：这是PDF文件的Base64编码字符串，不需要走文本编码转换，直接做Base64解码即可，参考代码：

    var bytes = Convert.FromBase64String(FileContentString);
    File.WriteAllBytes(filePath, bytes);
    

  • 如果字符串开头能看到%PDF-字样：这是PDF原始二进制内容被错误按单字节文本编码解码成的字符串，你需要用ISO-8859-1编码（单字节编码，编码值和字节值一一对应，不会破坏原始二进制）把字符串转回字节数组，参考代码：

    var bytes = System.Text.Encoding.GetEncoding("ISO-8859-1").GetBytes(FileContentString);
    File.WriteAllBytes(filePath, bytes);
    

按上述对应方式处理后，生成的PDF文件即可正常打开。

内容的提问来源于stack exchange，提问作者Austin Jones