查看: 177|回复: 0

[.NET源码] 关于C#开发中那些编码问题

发表于 5 天前
太阳http代理AD

最近一直在搞各种编码问题,略有心得,与大家分享一番。

System.Text提供了Encoding的抽象类,这个类提供字符串编码的方法。常用的编码方式主要有ASCII,Unicode,UTF8(Unicode编码的一种)。

Unicode有四种编码格式,UTF-8, UTF-16,UTF-32,UTF-7。

字符编码类,ASCIIEncoding ,UTF7Encoding,UnicodeEncoding,UTF32Encoding。

下面对ASCII和Unicode编码进行对比,废话不说,先上代码:

这是ASCII编码、解码。

  1. 1 static void Main(string[] args)
  2. 2 {
  3. 3 string temp = "Hello World!";
  4. 4 Console.WriteLine("Original String:{0}", temp);
  5. 5
  6. 6 byte[] tempBytes = System.Text.Encoding.ASCII.GetBytes(temp);
  7. 7 Console.WriteLine("Bytes Array:{0}", BitConverter.ToString(tempBytes));
  8. 8
  9. 9 BigInteger integer = new BigInteger(tempBytes);
  10. 10 Console.WriteLine("BigInteger:{0}", integer);
  11. 11
  12. 12 string res = System.Text.Encoding.ASCII.GetString(tempBytes);
  13. 13 Console.WriteLine("Convert Back String:{0}", res);
  14. 14 Console.ReadKey();
  15. 15 }
复制代码
View Code

运行结果如下:

  1. Original String:Hello World!
  2. Bytes Array:48-65-6C-6C-6F-20-57-6F-72-6C-64-21
  3. BigInteger:10334410032597741434076685640
  4. Convert Back String:Hello World!
复制代码

很正常,对吧?但是,如果输入的字符串是中文(或者其他非ASCII表中的字符),情况会怎么样呢?

改变上面的程序代码

  1. string temp = "你好,世界!";
复制代码

运行结果如下:

  1. Original String:你好,世界!
  2. Bytes Array:3F-3F-3F-3F-3F-3F
  3. BigInteger:69540876599103
  4. Convert Back String:??????
复制代码

如果把编码格式换成UTF8,依然重复上面的测试过程。

  1. 1 static void Main(string[] args)
  2. 2 {
  3. 3 string temp = "你好,世界!";
  4. 4 Console.WriteLine("Original String:{0}", temp);
  5. 5
  6. 6 byte[] tempBytes = System.Text.Encoding.UTF8.GetBytes(temp);
  7. 7 Console.WriteLine("Bytes Array:{0}", BitConverter.ToString(tempBytes));
  8. 8
  9. 9 BigInteger integer = new BigInteger(tempBytes);
  10. 10 Console.WriteLine("BigInteger:{0}", integer);
  11. 11
  12. 12 string res = System.Text.Encoding.UTF8.GetString(tempBytes);
  13. 13 Console.WriteLine("Convert Back String:{0}", res);
  14. 14 Console.ReadKey();
  15. 15 }
复制代码
View Code

运行结果如下:

  1. Original String:你好,世界!
  2. Bytes Array:E4-BD-A0-E5-A5-BD-EF-BC-8C-E4-B8-96-E7-95-8C-EF-BC-81
  3. BigInteger:-10998968812899434720462615123889939386679836
  4. Convert Back String:你好,世界!
复制代码

  1. Original String:Hello World!
  2. Bytes Array:48-65-6C-6C-6F-20-57-6F-72-6C-64-21
  3. BigInteger:10334410032597741434076685640
  4. Convert Back String:Hello World!
复制代码

通过对比,我们发现除了兼容中文和其他语言外,似乎没有太大区别。如果把编码集换成Unicode,中英文字符编码的不同就会很容易看出来了。

  1. Original String:Hello World!
  2. Bytes Array:48-00-65-00-6C-00-6C-00-6F-00-20-00-57-00-6F-00-72-00-6C-00-64-00-21-00
  3. BigInteger:3160918205608148134863399242437668999277801104545742920
  4. Convert Back String:Hello World!
复制代码

  1. Original String:你好,世界!
  2. Bytes Array:60-4F-7D-59-0C-FF-16-4E-4C-75-01-FF
  3. BigInteger:-307722159543719876182061216
  4. Convert Back String:你好,世界!
复制代码

如果不考虑其他情况。通过对比结果,我们发现:

1、ASCII只能处理英文和英文符号,具体请参考ASCII字符表

2、Unicode可以处理全球所有语言符号

3、Unicode处理英文时,会在每个字节后面加一个字节0x00,比ASCII多出一倍的长度;处理中文时,编码较短。

4、UTF8处理中文时比Unicode编码长,处理英文时与ASCII一样。

结论,由于现在存储介质越来越不值钱,在处理有非英文字符时,编码格式应该选择Unicode(或其子集UTF8等的任意一种编码格式),只有在确定程序只会处理英文的时候,才能选择ASCII编码。



太阳http代理AD
回复

使用道具 举报