字符串、字符、字节以及bit位小结与疑问

最新推荐文章于 2022-06-24 21:22:54 发布

置顶 houdanteng

最新推荐文章于 2022-06-24 21:22:54 发布

阅读量843

点赞数

字符串是由一个个字符组成的，每个字符又有一个或多个字节来表示，每个字节又由8个bit位来表示

在C#里字符串通常由string来声明，字符由char来声明，字节由byte来表示，位由bit来表示，具体分析见下面的测试代码分析：

完整测试代码：

 
   
 View Code 

测试结果：

通过测试结果可以看到同样一个字符串，

通过Unicode编码获取的字节长度为12，通过GB2312获取的字节长度为7，

而且使用Unicode去把GB2312编码的的字节数组转化成字符串时出现乱码问题，使用GB2312的编码方式把GB2312编码的字节数组转化成字符串时没有任何问题的，

疑问一：为什么两种编码方式得到的字节长度不同呢？

Unicode码：Unicode码也是一种国际标准编码，采用二个字节编码，就是说无论字符是数字字母还是汉字它的字节长度都是字符长度的两倍，

GB2312编码是ANSI编码中的一个分支，在使用 ANSI 编码支持多种语言阶段，每个字符使用一个字节或多个字节来表示（MBCS），因此，这种方式存放的字符也被称作多字节字符。比如，"啊?/123"长度为7个字节，每个汉字占2个字节，每个英文和数字字符占1个字节，

字符与编码的发展

从计算机对多国语言的支持角度看，大致可以分为三个阶段：

	系统内码	说明	系统
阶段一	ASCII	计算机刚开始只支持英语，其它语言不能够在计算机上存储和显示。	英文 DOS
阶段二	ANSI编码（本地化）	为使计算机支持更多语言，通常使用 0x80~0xFF 范围的 2 个字节来表示 1 个字符。比如：汉字 '中' 在中文操作系统中，使用 [0xD6,0xD0] 这两个字节存储。不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码。不同 ANSI 编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。	中文 DOS，中文 Windows 95/98，日文 Windows 95/98
阶段三	UNICODE （国际化）	为了使国际间信息交流更加方便，国际组织制定了 UNICODE 字符集，为各种语言中的每一个字符设定了统一并且唯一的数字编号，以满足跨语言、跨平台进行文本转换、处理的要求。	Windows NT/2000/XP，Linux，Java

疑问二：最后一行的十进制数字代表什么呢？

因为字节数组是由GB2312编码格式得到的，所以需要先了解GB2312的处理方式，在使用GB2312的程序中，每个汉字及符号以两个字节来表示。第一个字节称为“高位字节”（也称“区字节）”，第二个字节称为“低位字节”（也称“位字节”），“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上 0xA0)，其中0xA0转化成10进制数字就是160，“啊”字是GB2312字符集的第一个汉字，它的区号16，位号01，则区位码是1601，

所以高位字节码为0xA0+16即160+16=176，低位字节码0xA0+01即160+1=161，正好和吻合，而剩下的五个十进制数字和啊字后面的五个字符个数相符，经查：