Кодиране на текст в ID3v2.3 тагове

Данните от рамка TIT2 започват с байт $03 (шестнадесетичен) преди действителния текст. Този текст се показва правилно, макар и с допълнителен знак в началото, използвайки Encoding.ASCII.GetString

Кодирането 0x03 е UTF-8, така че трябва да използвате Encoding.UTF8.GetString. Знакът в началото може да е U+FEFF Byte Order Mark, който се използва за разграничаване между UTF-16LE и UTF-16BE... не е за UTF-8, но инструментите на Windows обичат да го поставят там така или иначе.

UTF-8 е ID3v2.4 функция, която не присъства в 2.3, което може да е причината да не я намерите в спецификацията. В реалния свят ще намерите всякакви пълни глупости в ID3 ​​таговете, независимо от версията.

данните от TIT2 започват $01 и са последвани от $FF $FE, което според мен е свързано с Unicode? Самият текст обаче е разделен, има $00 между всеки текстов знак,

Това е UTF-16LE, кодирането текст към байт, което Windows подвеждащо нарича „Unicode“. Състои се от двубайтови кодови единици, така че знаците в диапазона U+0000–U+00FF излизат като младши байт на същото число, последван от нулев старши байт. Префиксът 0xFF-0xFE е правилно използван знак за ред на байтовете. Encoding.Unicode.GetString трябва да върне правилен низ от това - публикувайте някакъв код?

Отпечатването на тези данни на конзола изглежда работи

Отпечатването на не-ASCII символи на конзолата на Windows може да бъде проба, така че ако срещнете проблеми, имайте предвид, че те може да са причинени от самата операция за печат.

За пълнота, кодирането 0x02 е UTF-16BE без BOM (има малка причина това да съществува и никога не съм срещал това в природата), а кодирането 0x00 трябва да бъде ISO-8859-1, но в действителност може да бъде почти всяко ASCII-superset кодиране, по-вероятно Windows 'ANSI' кодова страница като Encoding.GetEncoding(1252) отколкото стандарт като 8859-1.

Просто добавете още един коментар за кода за кодиране на текст:

00 – ISO-8859-1 (ASCII).

01 – UCS-2 (UTF-16 кодиран Unicode с BOM), в ID3v2.2 и ID3v2.3.

02 – UTF-16BE кодиран Unicode без BOM, в ID3v2.4.

03 – UTF-8 кодиран Unicode, в ID3v2.4.

от: http://en.wikipedia.org/wiki/ID3

Страхотно, получих код за правилно четене на Unicode & ASCII (по-долу)!

Един въпрос обаче - очаквах Encoding.UNICODE.GetString() да се справи с BOM, но изглежда не е така. Предполагам, че трябва сам да прочетеш тези байтове и да се справиш с данните? Току-що премахнах 2-та байта, ако е UNICODE по-долу.

public class Frame
{
    FrameHeader _header;
    public string data;
    public string name;


    public Frame(FrameHeader frm, byte[] bytes)
    {
        _header = frm;
        name = _header._name;
        if (!name.Equals("APIC"))
        {
            byte[] actualdata;
            int y;
            int x;
            int encoding = bytes[0];

            if (encoding.Equals(1))
            {
                y = 3;
                actualdata = new byte[bytes.Length - 3];
                for (x = 0; x < (bytes.Length - 3); x++, y++)
                    actualdata[x] = bytes[y];
                data = Encoding.Unicode.GetString(actualdata);
            }
            else
            {
                y = 1;
                actualdata = new byte[bytes.Length - 1];
                for (x = 0; x < (bytes.Length - 1); x++, y++)
                    actualdata[x] = bytes[y];
                data = Encoding.ASCII.GetString(actualdata);
            }
        }
    }
}