关于C#开发中那些编码问题

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。

        static void Main(string[] args)
        {
            string temp = "Hello World!";
            Console.WriteLine("Original String:{0}", temp);
            
            byte[] tempBytes = System.Text.Encoding.ASCII.GetBytes(temp);
            Console.WriteLine("Bytes Array:{0}", BitConverter.ToString(tempBytes));

            BigInteger integer = new BigInteger(tempBytes);
            Console.WriteLine("BigInteger:{0}", integer);

            string res = System.Text.Encoding.ASCII.GetString(tempBytes);
            Console.WriteLine("Convert Back String:{0}", res);
            Console.ReadKey();
        }

运行结果如下：

Original String:Hello World!
Bytes Array:48-65-6C-6C-6F-20-57-6F-72-6C-64-21
BigInteger:10334410032597741434076685640
Convert Back String:Hello World!

 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

string temp = "你好，世界！";

运行结果如下：

Original String:你好，世界！
Bytes Array:3F-3F-3F-3F-3F-3F
BigInteger:69540876599103
Convert Back String:??????

 如果把编码格式换成UTF8，依然重复上面的测试过程。

        static void Main(string[] args)
        {
            string temp = "你好，世界！";
            Console.WriteLine("Original String:{0}", temp);
            
            byte[] tempBytes = System.Text.Encoding.UTF8.GetBytes(temp);
            Console.WriteLine("Bytes Array:{0}", BitConverter.ToString(tempBytes));

            BigInteger integer = new BigInteger(tempBytes);
            Console.WriteLine("BigInteger:{0}", integer);

            string res = System.Text.Encoding.UTF8.GetString(tempBytes);
            Console.WriteLine("Convert Back String:{0}", res);
            Console.ReadKey();
        }

运行结果如下：

Original String:你好，世界！
Bytes Array:E4-BD-A0-E5-A5-BD-EF-BC-8C-E4-B8-96-E7-95-8C-EF-BC-81
BigInteger:-10998968812899434720462615123889939386679836
Convert Back String:你好，世界！

Original String:Hello World!
Bytes Array:48-65-6C-6C-6F-20-57-6F-72-6C-64-21
BigInteger:10334410032597741434076685640
Convert Back String:Hello World!

 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。

Original String:Hello World!
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
BigInteger:3160918205608148134863399242437668999277801104545742920
Convert Back String:Hello World!

Original String:你好，世界！
Bytes Array:60-4F-7D-59-0C-FF-16-4E-4C-75-01-FF
BigInteger:-307722159543719876182061216
Convert Back String:你好，世界！

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。