为什么这个副本 Stream 比它的原始 Stream 大？

Question

我正在尝试修改文件流，但遇到了一些有趣的事情。当我从原始流中读取一个字符串，然后尝试将其写入一个新流时，我最终会得到比原始流更大的大小。

我没有发现任何类似的问题。有人可以澄清发生了什么吗？我逐步检查并记录了变量的大小

private Stream CopyAndChangeStreamContents(Stream input)
{
    input.Position = 0; //input.Length is (long)84863 

    string contents = new StreamReader(input).ReadToEnd(); //contents.Length is (int)80765 

    Stream output = new MemoryStream();
    new StreamWriter(output).Write(contents); //output.Length is (long)151950 

    output.Flush();
    return output;
}

编辑 #2 Downvoter：该方法的 cmets 和意图并没有解释这里发生了什么。无论正在读取什么类型的数据，我都想了解是什么底层流特性导致了如此巨大的大小差异。

读取字节时，不管它来自 zip 文件还是文本文件，字节仍然是字节，所以如果我有输入 0110 0001 0110 0010 0110 0011 0110 0100，我希望仍会读取 4 个字节。即使我将其读取为字符串“abcd”，如果我完全按照我找到的方式写回二进制文件，它也不会对我产生影响。

为什么一个 Stream 给我的长度是 84863，而另一个 Stream 给我的长度是 151950？

编辑： 我尝试使用 StreamReader 构造函数来尝试读取编码：

var reader = new StreamReader(input, true);

然后在写出时使用相同的编码：

new StreamWriter(output, reader.CurrentEncoding).Write(contents);

..无济于事。同样的问题。

Answer 1

您的流包含非 UTF-8 的二进制数据。 StreamReader(Stream) 的默认构造函数使用 UTF-8 解码器，将无法识别的字节序列替换为 Unicode replacement character、U+FFFD。

假设输入流包含五个字节41 80 81 82 7A。然后new StreamReader(input).ReadToEnd() 返回字符串"A���z"，因为0x80（以及0x81 和0x82）无法使用UTF-8 编码解码为C# char。

调用new StreamWriter(output).Write() 将该字符串编码为UTF-8 并将其写入输出流。 U+FFFD 以 UTF-8 编码为三字节序列 EF BF BD。所以在这个例子中，它会写出 11 个字节：41 EF BF BD EF BF BD EF BF BD 7A。

无法识别的字节到 � 到 EF BF BD 的转换解释了为什么当你读然后写时你的流会变大。

解决办法是读写byte[]，而不是将任意二进制数据转换成string。