在C#字符串/字符编码中GetBytes(),GetString()和Convert()之间的区别是什么？

Question

我们无法将Unicode字符串转换为UTF-8字符串以通过网络发送:

// Start with our unicode string.
string unicode = "Convert: \u10A0";

// Get an array of bytes representing the unicode string, two for each character.
byte[] source = Encoding.Unicode.GetBytes(unicode);

// Convert the Unicode bytes to UTF-8 representation.
byte[] converted = Encoding.Convert(Encoding.Unicode, Encoding.UTF8, source);

// Now that we have converted the bytes, save them to a new string.
string utf8 = Encoding.UTF8.GetString(converted);

// Send the converted string using a Microsoft function.
MicrosoftFunc(utf8);

虽然我们已经将字符串转换为UTF-8,但它并没有以UTF-8的形式到达.

Answer 1

经过一个令人困惑和困惑的早晨,我们找到了这个问题的答案.

我们遗漏的关键点是,这使得这个非常令人困惑,因为字符串类型总是以16位(2字节)Unicode编码.这意味着当我们对字节执行GetString()时,它们会在幕后自动重新编码为Unicode ,并且我们并不比我们在第一时间更好.

当我们开始出现字符错误和另一端的双字节数据时,我们知道出现了问题但是我们看到的代码一目了然,我们看不出有什么问题.在了解了上面解释的内容之后,我们意识到如果我们想保留编码,我们需要发送字节数组.幸运的是,MicrosoftFunc()有一个重载,它能够采用字节数组而不是字符串.这意味着我们可以将unicode字符串转换为我们选择的编码,然后将其完全按照我们的预期发送出去.代码更改为:

// Convert from a Unicode string to an array of bytes (encoded as UTF8).
byte[] source = Encoding.UTF8.GetBytes(unicode); 

// Send the encoded byte array directly! Do not send as a Unicode string.
MicrosoftFunc(source);

摘要:

总而言之,从上面我们可以看到:

• 其中包括GetBytes(),来自Unicode的Encoding.Convert()(因为字符串总是Unicode)和调用函数的指定编码并返回编码字节数组.
• GetString()除其他外,从指定的编码中调用Encoding.Convert()函数被调用到Unicode (因为字符串总是Unicode)并将其作为字符串对象返回.
• Convert()实际上将一个编码的字节数组转换为另一个编码的另一个字节数组.显然不能使用字符串(因为字符串总是Unicode).