c# - 数组和字符串编码

Question

当我做

string s = Encoding.Unicode.GetString(a);
byte[] aa = Encoding.Unicode.GetBytes(s);

我有不同的数组 (a != aa) 。为什么？

但是当我这样做的时候？没关系

string s = Encoding.Default.GetString(a);
byte[] aa = Encoding.Default.GetBytes(s);

Answer 1

那是因为您正在向后使用编码。编码用于将字符串编码为字节，然后再次编码回字符串。

在编码中，每个字符都有相应的字节集，但并非每个字节集都必须有相应的字符。这就是为什么您不能获取任意字节并解码为字符串的原因。

使用编码Default会以这种方式误用它，因为它只为每个字符使用一个字节，而且每个字节码恰好都有一个字符。但是，以这种方式使用它仍然没有意义。

Answer 2

要添加到 Guffa 的答案，这里有一个详细的示例，说明您的代码如何针对某些字节序列失败，例如0, 216：

// Let's start with some character from the ancient Aegean numbers:
// The code point of Aegean One is U+10107. Code points > U+FFFF need two
// code units with two bytes each if you encode them in UTF-16 (Encoding.Unicode)
string aegeanOne = char.ConvertFromUtf32(0x10107);
byte[] aegeanOneBytes = Encoding.Unicode.GetBytes(aegeanOne);
// Length == 4 (2 bytes each for high and low surrogate)
// == 0, 216, 7, 221

// Let's just take the first two bytes.
// This creates a malformed byte sequence,
// because the corresponding low surrogate is missing.
byte[] a = new byte[2];
a[0] = aegeanOneBytes[0]; // == 0
a[1] = aegeanOneBytes[1]; // == 216

string s = Encoding.Unicode.GetString(a);
// == replacement character � (U+FFFD),
// because the bytes could not be decoded properly (missing low surrogate)

byte[] aa = Encoding.Unicode.GetBytes(s);
// == 253, 255 == 0xFFFD != 0, 216

string s2 = Encoding.Default.GetString(a);
// == "\0Ø" (NUL + LATIN CAPITAL LETTER O WITH STROKE)
// Results may differ, depending on the default encoding of the operating system

byte[] aa2 = Encoding.Default.GetBytes(s2);
// == 0, 216

Answer 3

这意味着您byte[] a的字节顺序不符合 Unicode 规则。