編碼歐洲字符

Question

返回一個多字節如果我編碼以下字符串爲UTF8：

咖啡廳

它返回5個字節，而不是4，我想它如果可能的話，返回4個字節。

Encoding encoding = Encoding.UTF8; 
string testString = "café"; 
Byte[] bytes = encoding.GetBytes(testString); 

返回：

[0] 99 
[1] 97 
[2] 102 
[3] 195 
[4] 169 

而 「網吧」 只返回4個字節。

Answer 1

端上變換UTF8到ISO8859-1和它現在返回4個字節，而不是5

Encoding utf8 = Encoding.UTF8; 
string testString = "café"; 
byte[] utfBytes = utf8.GetBytes(testString); // 5 bytes 

Encoding iso = Encoding.GetEncoding("ISO-8859-1"); 
byte[] isoBytes = iso.GetBytes(testString); // 4 bytes 
byte[] convertedUtf8Bytes = Encoding.Convert(utf8, iso, utfBytes); // 4 bytes 

string msg = iso.GetString(isoBytes); 
string msgConverted = iso.GetString(convertedUtf8Bytes); 

Console.WriteLine(msg); 
Console.WriteLine(msgConverted); 

輸出：

咖啡廳

咖啡館

Answer 2

你不能用正常的編碼方案。

您需要創建一個自定義編碼與所需的代碼頁，像這樣：

Encoding encoding = Encoding.GetEncoding(437); 
byte[] bytes = encoding.GetBytes("café"); 

輸出：

{ 99, 97, 102, 130 } 

E爲code page 437 130。

假設你將要解碼它，你需要用相同的編碼來解碼它。否則，你會得到奇怪的結果。

Answer 3

é是Unicode U + 00E9。 Unicode字符U + 0080到U + 07FF在UTF8中佔用兩個字節。有關更多詳細信息，請參見http://en.wikipedia.org/wiki/Utf8。

如果你只想要4個字節，那麼你就不能使用UTF8。理論上你可以使用ISO 8859-1這是一個單字節字符編碼。

Answer 4

UTF-8中的字符可能需要1到6個字節。所以對於你的情況「é」需要2個字節。 你可以閱讀更多關於UTF-8在這裏：UTF-8, a transformation format of ISO 10646