对字符串操作的一些研究

        首先，在CLR中所有的字符都被表示为16位的Unicode码值，所有的字符串都是由16位的Unicode码值组成。

        16位的Unicode编码可以表示当今世界上的所有字符，所以，不必为字符的不同而担心保存的方式，这给字符的转换会很方便。

        但是字符串保存在CLR中，如果我们需要呈现出来，比如写入文本文件，写入网络流，如果按照这样的方式，可能会很浪费空间，比如是英文字符就不需要这么宽的长度来保存，并且对于特定的字符集，比如中文字符集，这些是需要特定的代码页来编码的，如GB2312等等。

编码方式主要有：

             UTF-16：一个16为字符编码为两个字节，性能最好，但是占用空间较大。

             UTF-8：按需分配字节数。

            ASCII：单字节编码，只适用于英文字符。

        UTF-8：当今世上最流行的编码方式，它可以按照码值灵活安排字节数，也就是存储空间。所以我们在应用的时候应该尽量使用UTF-8或UTF-16这样的编码方法来进行字符串的编码。因为这样很安全，不会出现不认识的字符。 UTF16把16位字符编码为2个字节，而UTF8则有四种可能，比如英文字符他会编码为一个字节，一些欧洲和中东语言，它会编码为两个字节，一些东亚地区的语言它会编码成三个字节，代理字符会被转换为4个字节。

        当然.NET还允许把字符编码到指定的代码页中，比如GB2312。但是一旦出现指定代码页中没有的字符，将不能正确呈现。

见下面代码：

Encoding#region Encoding

using System;
using System.Collections;
using System.Text;

public class MyClass
{
    public static void Main()
    {
        RL();

        string s = "大XXYYZZ";
        
        Encoding gbk = Encoding.GetEncoding("GB2312");
        
        byte[] u8Bytes = Encoding.UTF8.GetBytes(s);
        byte[] u16Bytes = Encoding.Unicode.GetBytes(s);
        byte[] gbkBytes = gbk.GetBytes(s);

        //此处打印转换过来的字节码
        Console.WriteLine("UTF8Bytes:   " + BitConverter.ToString(u8Bytes));
        Console.WriteLine("UTF16Bytes:  " + BitConverter.ToString(u16Bytes));
        Console.WriteLine("GBKBytes:    " + BitConverter.ToString(gbkBytes));

        RL();

        //用Utf8进行解码
        Console.WriteLine("UTF8Bytes:   " + Encoding.UTF8.GetString(u8Bytes));
        Console.WriteLine("UTF16Bytes:  " + Encoding.UTF8.GetString(u16Bytes));
        Console.WriteLine("GBKBytes:    " + Encoding.UTF8.ToString(gbkBytes));

        RL();

        //用Unicode进行解码
        Console.WriteLine("UTF8Bytes:   " + Encoding.Unicode.GetString(u8Bytes));
        Console.WriteLine("UTF16Bytes:  " + Encoding.Unicode.GetString(u16Bytes));
        Console.WriteLine("GBKBytes:    " + Encoding.Unicode.GetString(gbkBytes));

        RL();

        //用GB2312进行解码
        Console.WriteLine("UTF8Bytes:   " + gbk.GetString(u8Bytes));
        Console.WriteLine("UTF16Bytes:  " + gbk.GetString(u16Bytes));
        Console.WriteLine("GBKBytes:    " + gbk.GetString(gbkBytes));



       

        RL();

        
        
    }
    
    Helper methods#region Helper methods

    private static void WL(object text, params object[] args)
    {
        Console.WriteLine(text.ToString(), args);    
    }
    
    private static void RL()
    {
        Console.ReadLine();    
    }
    
    private static void Break() 
    {
        System.Diagnostics.Debugger.Break();
    }

    #endregion
}

#endregion

 

测试的结果为：

        可以看出，对应的字节一定要对应的解码才能正确体现出来，用GB2312对中英文混和的字符串最节省空间，UTF8也是比较节约的，只是一个汉字占用了三个字节，UTF16可能对中英文混和的字符编码效率最好，但是占用空间也最多，这样看来各有千秋，要根据我们的应用场合来决定编码了。