我可以在字节和字符串之间混合使用 UTF-16 转换和 UTF-8 转换吗？

Question

短版

这是一个恒等函数吗？

f = (gₐ · hᵤ · gᵤ · hₐ)

地点：

• hₐ 是从字节到字符串的UTF-16 conversion，
• gₐ是从字符串到字节的UTF-16转换，
• gᵤ 是Encoding.UTF8.GetBytes()，
• hᵤ 是Encoding.UTF8.GetString()，

加长版

我正在使用 WebSocket4Net 在 C# 应用程序和 C# 服务之间通过 WebSockets 发送和接收消息。

有些消息是二进制的，我应该在与库交互时将它们从字符串转换为字符串，因为虽然它的Send() 方法可以发送字节数组，但它的MessageReceived 仅将接收到的消息作为字符串进行通信。

为了将字节转换为字符串并将字符串转换为字节，我遵循the answer by Mehrdad，其中使用了 .NET Framework 的内部编码，即 UTF-16。

另一方面，根据代码源（例如参见DraftHybi10Processor.cs, line 114），WebSocket4Net 使用 UTF-8 将字符串转换为字节，将字节转换为字符串。

它会引起问题吗？是否可能丢失数据？

Answer 1

如果您需要将二进制数据作为字符串发送，那么这就是 Base-64 和类似编码的用途。如果您需要将字符串作为字符串发送......好吧，将其作为字符串发送。如果您需要将字符串作为字节发送，Unicode (UTF-16) 或 UTF-8 就可以了。字符串不是简单的字节数组（即使它们可以在必要时以这种方式表示）。尤其是 Unicode 是一种相当复杂的编码（参见http://www.joelonsoftware.com/articles/Unicode.html；阅读它——这是必须的）。您知道您可以获得将单个字符分成 5 个字节的 unicode 规范化吗？相同的字符也可以解释为 2。或者完全不同的数字。我没有观察到它，但我希望某些字节数组在 UTF-16（这是 .NET 中当前的默认字符串编码）中完全无效。

我不会去证明你的“双重编码”是有缺陷的。我不确定，它甚至可能会起作用。但是，您将要获得的字符串将非常愚蠢，并且您将很难对其进行编码以确保您没有发送命令或其他内容。

更重要的是 - 你没有表现出意图。您正在进行微优化，并牺牲了可读性。更糟糕的是，您依赖于实现细节，这些细节对于更高版本的 .NET 而言不一定是可移植的或稳定的，更不用说其他环境了。

除非您有非常非常好的理由（基于实际性能分析，而不是“直觉”），否则请选择简单易读的解决方案。如果需要，您可以随时改进。

编辑：示例代码说明为什么使用 Unicode 编码非 Unicode 字节是一个坏主意：

Encoding.UTF8.GetBytes(Encoding.UTF8.GetString(new byte[] { 200, 8 }))

输入的两个字节变成了四个字节，{ 239, 191, 189, 8 }。不是你想要的。