4.4  字符编码

【本节示例参考：\示例代码\C04\Example_Encoding】

ASP.NET中的字符串是Unicode编码类型的，对于汉字和英文的操作是相同的。另外，还可以使用System.Text命名空间中的类来对字符串进行编码和解码。System.Text命名空间中的类如图4.5所示。

图4.5  System.Text命名空间

下面，首先介绍字符串编码的基本知识，然后讨论如何使用System.Text中的各个类实现字符串编码操作。

 4.4.1  字符编码概述

计算机是0和1的世界，只能表达数字。那么为了在计算机中表示字符，就必须进行编码，如可以指定用65来代表字符“A”。在计算机发展史上，字符编码的标准经历了多个时代，如图4.6所示。

图4.6  字符编码标准发展轨迹

下面对这几种编码简单介绍如下。

1．ASCII编码

在计算机刚刚诞生时，开发者制定ASCII编码。ASCII码由一个字节中的7位表示，范围是0～127，可以表示128个不同的字符，包括英文字母（如ABC、abc）、数字（如123）、常用符号（如~!@），以及特殊符号（如回车）等。在当时，开发者认为这128个字符就足够满足所有的字符应用了。

2．扩展ASCII编码

但时隔不久，开发者们突然发现，在排版中常用的“制表符”没有出现在这128个字符中，只能对ASCII码进行扩展，使用一个字节的全部8位来表示字符，这称为扩展ASCII码，范围是0～255共256个字符，能表示256个不同的字符。

3．多字节字符集

扩展ASCII码在表达西方语言体系的时候是够用了，但是对于表达东方的方块字时，却出现了问题，这是因为方块字并不是由字母排列组合而成，仅仅定义一百多个字母就试图表达所有的方块字行不通。

为了解决汉字的编码表示，中国利用连续2个扩展ASCII码的扩展区域（即160以后）来表示一个汉字，该编码标准为GB-2312。后来，日文、韩文、阿拉伯文、台湾繁体（BIG-5）等方块语言地区都使用类似的方法扩展了本地字符集的定义，统一称为多字节字符集（MBCS）。

4．Unicode编码

多字节字符集解决了表达方块字的问题，但这是有缺陷的，因为各个国家地区定义的字符集有冲突。例如，使用GB-2312的软件，在BIG-5的环境下就会显示乱码，反之亦然。为了解决这个冲突，出现了Unicode标准字符集。Unicode使用2个字节表示一个字符，共6万多个字符，包括英文字母和方块字。

 4.4.2  字符编码类

ASP.NET中的字符采用Unicode编码标准，但是，有时候也需要同其他编码标准的程序进行字符数据交互，如调用使用ASCII编码C++实现的COM组件等。为了在各种编码标准的字符间实现转换，.NET提供了几个字符编码类，如表4.4所示。

表4.4  System.Text空间中的编码/解码相关类

由于各个类的使用非常类似，在此只对Encoding类进行介绍，其类属性和方法如图4.7所示。

图4.7  Encoding类

此处的属性介绍如下：

（1）ASCII：获取ASCII（7位）字符集的编码对象。

（2）Unicode：获取Unicode格式的编码对象。

（3）UTF7：获取UTF-7格式的编码对象。

（4）UTF8：获取UTF-8格式的编码对象。

（5）EncodingName：获取编码的可读说明。

常用的方法简介如下：

（1）Covert：将字节数组从一种编码转换为另一种。

（2）GetBytes：将指定的String或字符数组的全部或部分内容编码为字节数组。

（3）GetString：将指定字节数组解码为字符串。

下面通过一个示例来说明其应用，示例将使用Encoding类，显示Unicode字符串“M国”的各种编码形式。

1.      public void test()

2.      {

3.          String str = "M国";  //C#默认Unicode编码格式

4.     

5.          //Unicode编码

6.          Encoding uni_str = Encoding.Unicode;

7.          //获取Unicode编码

8.          byte[] uni_byte = uni_str.GetBytes(str);

9.          Page.Response.Write("Unicode:");

10.        for (int i = 0; i < uni_byte.Length; i++)

11.         {

12.            Page.Response.Write(uni_byte[i] + " - ");

13.        }

14.        //获取Unicode编码格式字符串        

15.        Page.Response.Write(">"+ uni_str.GetString(uni_byte)+"<br />");        //输出："M国"

16.   

17.        //ASCII编码                    

18.        Encoding ascii_str = Encoding.ASCII;

19.        //获取ASCII编码

20.        byte[] ascii_byte = ascii_str.GetBytes(str);

21.        Page.Response.Write("ASCII:");

22.        for (int i = 0; i < ascii_byte.Length; i++)

23.        {

24.            Page.Response.Write( ascii_byte[i]+"-");

25.        }

26.        //获取ASCII编码格式字符串             

27.        Page.Response.Write(">"+ ascii_str.GetString(ascii_byte)+"<br />");//输出："M?"    

28.    }

第3行，示例首先定义了一个Unicode字符串“M国”，注意.NET默认的编码标准为Unicode。

首先，示例显示“M国”的Unicode编码。第6行声明了一个Unicode编码对象，然后在第8行使用了GetBytes方法得到“M国”的Unicode编码。第10~13输出这个编码，应该如下所示：

Unicode:77-0-253-86

其中，77-0为字符“M”的Unicode编码，而253-86为字符“国”的Unicode编码。可以看出，Unicode使用两个字节表示一个中文或英文字符。

第15行使用GetString方法显示Unicode编码的字符串，输出为“M国”。

然后，示例显示“M国”的Unicode编码。第18行声明了一个ASCII编码对象，然后在第20行使用了GetBytes方法得到“M国”的ASCII编码。第22~25输出这个编码，应该如下所示：

ASCII:77-63

其中，77为字符“M”的ASCII编码，而“63”为字符“国”的ASCII编码。

第27行使用GetString方法显示ASCII编码的字符串，输出为“M?”。很明显，可以看出，ASCII试图使用一个字节表示一个字符。对于英文字符而言，没有任何影响。但是对于中文字符，就会丢失了一定的信息，无法正常显示。示例运行结果如图4.8所示。

承上启下

¢ 学完本章后，读者需要回答：

1．能否使用String对象实现字符串的以下操作。

（1）比较：Compare

（2）判定首位：StartsWith|EndsWith

（3）判定子串：Contains

（4）定位子串：IndexOf|IndexOfAny|LastIndexOf|LastIndexOfAny

（5）格式化：Format

（6）连接：Concat|Join

（7）分裂：Split

（8）插入：Insert

（9）填充：PadLeft|PadRight

（10）删除：Remove|Trim/TrimStart/TrimEnd

（11）复制：Copy|CopyTo

（12）替换：Replace

（13）大小写转换：ToUpper|ToLower

2．为什么称StringBuilder对象为动态字符串？它和String对象有何不同之处？

3．如何使用StringBuilder对象完成字符串的以下操作。

（1）设置字符串最大长度：Capacity

（2）追加字符串：Append|AppendFormat

（3）插入字符串：Insert

（4）删除字符串：Remove

（5）替换字符串：Replace

4．什么是正则表达式？是否能够构造匹配URL字符串的正则表达式？

5．如何使用Regex类操作正则表达式？

6．历史上曾经有哪些字符编码标准？.NET中如何实现编码的转换？

¢ 在下一章中，读者将会了解：

1．数组的概念。

2．使用数组完成以下操作。

（1）元素访问：GetValue

（2）转化类型：ConvertAll

（3）遍历数组：foreach

（4）排序数组：Sort

（5）查找元素：BinarySearch/Contains

（6）反转数组：Reverse

（7）复制数组：Copy/CopyTo

3．C#中的集合命名空间包含的常用类，如ArrayList、Queue、Stack等。

4．使用ArrayList类完成以下操作。

（1）添加元素：Add/AddRange

（2）插入元素：Insert/InsertRange

（3）删除元素：Remove/RemoveAt/RemoveRange

（4）排序元素：Sort

（5）查找元素：BinarySeach

5．利用Queue类和Stack类来实现队列及堆栈的以下操作。

（1）入队：Enqueue

（2）出队：Dequeue

（3）入栈：Push

（4）出栈：Pop