字元集及編碼

字元集(CharSet)編碼不同，資料的儲存空間大小也不同，選擇不當還會出現亂碼等，特別是資料互動的地方，發送與接收應該保持編碼一致。

ASCII碼是最早最基礎的編碼，採用7位(bit)表示一個字元，一共可表示2的7次方=128種字元，後來有了Latin1(ISO-8859-1)對ASCII進行了擴充，使用8位(bit)也就是一個位元組表示一個字元，可表示2的8次方=256種字元，相比ASCII可以表示更多的特殊字元，但對於一些地區，如中文這樣字元遠遠不夠，為瞭解決這種問題，Unicode編碼出現了，旨在能表示所有地區的字元，針對特定的地區還有針對性的編碼，如中文的gb2312等。

 

Unicode編碼使用兩個位元組表示一個字元，可表示2的16次方=65536個字元，當一份文檔中的字元大多是英文或純英文時，使用Unicode就顯得有點浪費空間。而utf-8編碼可以解決此類問題，它遇到英文時使用同ASCII編碼，但遇到如中文字元時，一個字元用3個位元組來表示。而gb2312遇到中文用2個位元組來表示。

 

.NET中的位於System.Text下的Encoding類是各種編碼的核心類，提供了位元組數組與字元之間的轉換，及各種編碼間的轉換，Encoding類定義如下：

public abstract class Encoding : ICloneable

 

Encoding類的衍生類別有ASCIIEncoding，UnicodeEncoding，UTF8Encoding類等，提供不同特定編碼的覆寫。

 

下面以字元“message,資訊”(英文，半形逗號，中文)為例，來看看各編碼的表示

 

string result = "";
string s = "message,資訊";
byte[] b = Encoding.UTF8.GetBytes(s);
//byte[] b = Encoding.Unicode.GetBytes(s);
//byte[] b = Encoding.GetEncoding("gb2312").GetBytes(s);
        foreach (byte i in b)
        {
            result += i.ToString() + ",";
        }

 

 

result的值為“109,101,115,115,97,103,101,44,228,191,161,230,129,175”

	m	e	s	s	a	g	e	,	信	息
utf-8	109	101	115	115	97	103	101	44	228,191,161	230,129,175
unicode	109,0	101,0	115,0	115,0	97,0	103,0	101,0	44,0	225,79	111,96
gb2312	109	101	115	115	97	103	101	44	208,197	207,162

從位元組數組到字元的轉換

 

byte[] b = new byte[] { 109, 101, 115, 115, 97, 103, 101, 44, 228, 191, 161, 230, 129, 175 };
string s = Encoding.UTF8.GetString(b);

s的值為“message,資訊”。位元組數組是utf-8的編碼，如果採用gb2312來GetString，則得到的中文字元會是亂碼：message,淇℃伅