编码欧洲字符

Question

返回一个多字节如果我编码以下字符串为UTF8：

咖啡厅

它返回5个字节，而不是4，我想它如果可能的话，返回4个字节。

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 “网吧” 只返回4个字节。

Answer 1

端上变换UTF8到ISO8859-1和它现在返回4个字节，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); 

输出：

咖啡厅

咖啡馆

Answer 2

你不能用正常的编码方案。

您需要创建一个自定义编码与所需的代码页，像这样：

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

输出：

{ 99, 97, 102, 130 } 

E为code page 437 130。

假设你将要解码它，你需要用相同的编码来解码它。否则，你会得到奇怪的结果。

Answer 3

é是Unicode U + 00E9。 Unicode字符U + 0080到U + 07FF在UTF8中占用两个字节。有关更多详细信息，请参见http://en.wikipedia.org/wiki/Utf8。

如果你只想要4个字节，那么你就不能使用UTF8。理论上你可以使用ISO 8859-1这是一个单字节字符编码。

Answer 4

UTF-8中的字符可能需要1到6个字节。所以对于你的情况“é”需要2个字节。 你可以阅读更多关于UTF-8在这里：UTF-8, a transformation format of ISO 10646