編碼和解碼字串與byte 之間的轉換

資源來自網際網路

非常蛋疼的事情, google 和 baidu 在編碼是分別採用了 utf-8 和 gb2312

基礎知識

unicode:統一字元編碼

unicode其實不是一種編碼，而是定義了乙個表，表中為世界上每種語言中的每個字元設定了統一並且唯一的碼位（codepoint），以滿足跨語言、跨平台進行文字轉換的要求。

在表示乙個unicode的字元時，通常會用「u+」然後緊接著一組十六進製制的數字來表示這乙個字元

。

asci:american national standards institute 美國國家標準學會

gbk:漢字內碼擴充套件規範

utf-8中，乙個漢字對應三個位元組，gb2312中乙個漢字占用兩個位元組。

不論何種編碼，字母數字都不編碼，特殊符號編碼後占用乙個位元組。

編碼、解碼技術是我們在程式中開發中經常使用到的，對一些敏感資訊的儲存，比如密碼之類的，我們一般是不會直接以明文直接儲存到資料庫的，而是會通過各種演算法，可以是現成的md5（一種雜湊演算法）、或者是hash演算法+salt（混淆因子），甚至是自己定義的一套演算法進行加解密。這裡不想闡述加解密技術，在之前的一篇部落格當中，簡單列舉了兩種基本方法，見.net加解密技術。這裡重點講解一下編碼、解碼以及亂碼的相關問題。

我們先看乙個簡單的例子

string str = "
abcd
"; //
測試字串
byte bytes = encoding.getencoding("
ascii
").getbytes(str); //
將字串轉成ascii編碼的位元組陣列，這裡的bytes陣列，長度為4，分別對應於abcd的ascii碼97、98、99、100
string result = encoding.getencoding("
ascii
").getstring(bytes); //
將位元組陣列轉回為字串
console.writeline(result); //
輸出abcd

ascii碼是國際標準編碼，全稱為：美國資訊交換標準編碼，只能表示127個字元，不能代表漢字，

我們對漢字進行ascii編碼之後，是不能進行還原的。漢字不能轉變為ascii碼，因此會變成亂碼，對亂碼進行還原也就還原不了了。

專案開發中經常會有出現亂碼的情況：

這就是由於兩端（服務端、請求端）編譯碼的方式不一致造成的。

比如服務端是utf-8編碼，而在客戶端以gbk接收，那麼就會出現亂碼。

所以解決亂碼這個問題，思路就是從對方的編碼方式入手，弄清楚對方的編碼是什麼編碼，我這邊就以什麼編碼來解碼

同乙個字元在不同的編碼下會被編成不同長度的編碼，

比如：acsii,每個字元對應乙個位元組，實際上只使用了7位，從00h-7fh。只能表達128個字元。

gb2312, 中文的一種編碼，每個字元使用兩個位元組表示。

utf-8（8位元，universal character set/unicode transformation format 通用字符集/unicode轉換格式）是針對unicode的一種可變長度字元編碼。

utf - 8, 可以表達所有unicode字元，每個字元可以用1 - 3 個位元組表示。

utf - 16, 可以表達所有unicode字元，每個字元可以用1 - 2 個16位整數表示。

utf - 32, 可以表達所有unicode字元，每個字元可以用1個32位整數表示。

utf後的數字代表編碼的最小單位，utf-8表示最小單位1位元組（=8 bits）,所以它可以使用1、2、3位元組等進行編碼，

utf-16表示最小單位2位元組，所以它可以使用2、4位元組進行編碼）都是unicode的編碼方案

using
system.text;
byte b = encoding.ascii.getbytes("
yourstring");
//得到：121,111,117,114,115,116,114,105,110,103 
/反向為： 
byte b = new
byte
;string str =encoding.ascii.getstring(b);
//得到：str="yourstring"

編碼和解碼 字串與byte 之間的轉換

編碼和解碼字串

解碼字串

字串編碼和解碼

相關推薦

編碼和解碼字串與byte 之間的轉換