爲什麼不是`Encoding.UTF8.GetBytes（Encoding.UTF8.GetString（X））== x`

Question

在.NET中，爲什麼是不是真的：

Encoding.UTF8.GetBytes(Encoding.UTF8.GetString(x)) 

返回原始字節數組對於任意字節數組x？

它是在回答另一個問題mentioned但響應者並沒有解釋爲什麼。

Answer 1

字符編碼（UTF8，specificly）可以具有對於相同的代碼點不同的形式。

因此，當您轉換爲字符串並返回時，實際字節可能代表不同（規範）形式。

參見String.Normalize(NormalizationForm.System.Text.NormalizationForm.FormD)

參見：

• Can I get a single canonical UTF-8 string from a Unicode string?
• What does .NET's String.Normalize do?
• NormalizationForm

某些Unicode序列是缺點因爲它們代表相同的字符，所以被認爲是相同的例如，以下被認爲是等效的，因爲任何這些可被用於表示「A」：

"\u1EAF" 
"\u0103\u0301" 
"\u0061\u0306\u0301" 

然而，序，即，二進制比較考慮這些序列不同，因爲它們包含不同的Unicode代碼值。在執行序號比較之前，應用程序必須規範化這些字符串以將它們分解爲其基本組件。

該頁面有一個很好的樣品，顯示你有什麼編碼總是歸

Answer 2

這是因爲==不會陣列中的每個元素進行比較。它與Encoding.UTF8沒有任何關係。 檢查：

var a = new byte[] { 1 }; 
var b = new byte[] { 1 }; 
bool res = a == b; 

Answer 3

首先，watbywbarif提到的，你不應該使用==比較序列，這是行不通的。

但是，即使你（只是看着他們，例如通過使用SequenceEquals()或）比較正確的陣列，它們並不總是相同的。其中這可能發生的一種情況是，如果x是無效的UTF-8編碼的字符串。

例如，0xFF 1字節序列是無效的UTF-8。那麼Encoding.UTF8.GetString(new byte[] { 0xFF })會返回什麼？它是 ，U + FFFD，替換字符。當然，如果你調用該Encoding.UTF8.GetBytes()，它不給你回0xFF。

Answer 4

換個角度，從來到這個就是Encoding類是設計爲往返數據，但它們被設計用來往返的數據是char數據編碼爲byte，而不是周圍的其他方法。這意味着，在所討論的Encoding的能力範圍內，每個值在byte值（1或更多）中都具有相應的編碼，這些值將回到完全相同的值char值。 （值得注意的是，並非所有的Encoding S能爲所有可能char值做到這一點 - 例如，只能支持char值的範圍在[0, 128)）

所以，如果你開始與性格數據，並且您需要一種方法將其存儲或發送到與字節一起工作的介質（如磁盤上的文件或網絡流），Encoding是將char數據轉換爲byte數據然後再轉回另一端。 （如果你想支持所有可能字符串，則需要使用基於Unicode的Encoding S的一個，如Encoding.Unicode或Encoding.UTF8。）

那麼，這是什麼意思，如果你開始一堆byte s？那麼，根據所討論的編碼，您正在使用的byte可能實際上並不是Encoding將輸出的序列。你需要在Encoding.GetBytes看作是一種編碼操作和Encoding.GetChars/Encoding.GetString爲解碼操作，所以你開始用的字節數組任意並試圖解碼他們。

作爲比喻，請考慮圖像的JPEG文件格式。這具有相似類型的編碼和解碼，其中在這種情況下解碼的數據不是string而是圖像。所以，如果你使用任意字節串，它有可能被解碼爲JPEG圖像的機會是多少？顯然，答案非常渺茫。更有可能的是，你的字節最終會沿着解碼器的一條路走下去，說道：「哇，我不希望那個字節在另一個之後」，並且它將盡最大努力在假設下處理數據它是一個有效的JPEG文件，以某種方式受到損壞。

當您將任意字節數組轉換爲字符串時，會發生完全相同的情況。 UTF-8編碼具有關於如何對值128和以上進行編碼的具體規則，並且其中的一條規則說，在匹配諸如110xxxxx,1110xxxx或11110xxx之類的模式之後，只會看到匹配位模式10xxxxxx的字節，其「引入」多字節序列（表示單個char的多個byte）。因此，如果您的數據包含一個與10xxxxxx匹配的字節不符合請遵循預期的「引入者」之一，編碼器只能假設數據受到某種損壞。它有什麼作用？它插入一個字符，說：「編碼數據出錯了，我盡力了，這是錯誤的地方。」設計Unicode的人期待這個確切的場景，並創建一個具有這個確切含義的字符：Replacement Character。

所以，如果你想在char個字符串往返您byte S和這種情況下遇到，違規byte的實際值丟失，而是一個替換字符插入。當您嘗試將string變回byte陣列時，它將編碼替換字符，而不是原始數據。原始數據丟失。

你在找什麼是編碼&解碼關係，在另一個方向工作。 Encoding用於獲取char數據並找到一種方法將其臨時存儲爲byte數據。如果您想採取byte數據並找到將其臨時存儲爲char數據的方法，則需要爲該特定目的設計的編碼。幸運的是，這些存在。維基百科有一個fairly comprehensive list的選項。 :-)

在.NET Framework中，最簡單和最易於訪問的選項是MIME Base-64編碼，該編碼通過Convert.ToBase64String和Convert.FromBase64String公開。