Извлекаю текст из .txt ( OffFilt.dll ) , C#, .NET Framework 2.0. Получаю что-то вроде : РѕРїСЂРѕСЃС‹ РїРѕ педагогике...., причём, не всегда - очень редко но бывает.

Что необходимо корректно указать не знаю, или может быть это результат некорректных символов в тексте, кто знает - подскажите пожалуйста.

Men in black

public enum IFilterReturnCodes : uint{
S_OK = 0 ,
E_FAIL = 0x80000008
.....
}
[ComImport , Guid ( "89BCB740-6119-101A-BCB7-00DD010655AF" )]
[InterfaceType ( ComInterfaceType.InterfaceIsIUnknown )]
internal interface IFilter{
........
[PreserveSig]
IFilterReturnCodes Init (
[In ( ) , MarshalAs ( UnmanagedType.I4 )]
IFILTER_INIT grfFlags ,
[In ( ) , MarshalAs ( UnmanagedType.U4 )]
UInt32 cAttributes ,
[In ( ) , MarshalAs ( UnmanagedType.SysInt )]
IntPtr aAttributes ,
[Out ( ) , MarshalAs ( UnmanagedType.U4 )]
out IFILTER_FLAGS pdwFlags );
[PreserveSig]
IFilterReturnCodes GetText (
[In ( ) , Out ( ) , MarshalAs ( UnmanagedType.U4 )]
ref UInt32 pcwcBuffer ,
[Out ( ) , MarshalAs ( UnmanagedType.LPWStr )] 
StringBuilder awcBuffer );
}

вызов GetText :

IFilter filter = Filter.LoadIFilter ( полное имя файла ); // загрузка фильтра
....
IFilterReturnCodes scode = filter.Init ( .... ); // инициализация сессии
....
UInt32 pcwcBuffer = 65536;
System.Text.StringBuilder sbBuffer = new System.Text.StringBuilder ( ( Int32 ) pcwcBuffer );
IFilterReturnCodes scode = filter.GetText ( ref pcwcBuffer , sbBuffer );

Так вот в общих чертах, по сути, код навеян : http://www.dotlucene.net/documentation/MicrosoftOfficeDocumentsP.html

В принципе, я столкнулся с этим в первый раз, до этого всё было нормально, файл .txt ~ 500 Kb. Файл получен в результате работы другого конвертера, уже здесь мог быть косяк с кодировкой.

Реализации фильтров брал отсюда http://www.citeknet.com/. Для hlp вообще - при вызове IFilter.Init приложение падает с "...память не может быть Read". Вообще больше понравилось http://www.codeproject.com/csharp/IFilter.asp, без необходимости использовать COM механизм.

Спасибо, всё равно, bazile.

Men in black

Спасибо.

Men in black

Не видя что это за символы могу только предполагать, что это так называемый Unicode prolog то есть признак unicode кодировки.

В пространстве имен System.IO есть куча классов для работы с файлами как на уровне байтов так и на уровне символов.