それは真実ではない理由はなぜX '

Question

.NETで== `Encoding.UTF8.GetBytes（Encoding.UTF8.GetString（X））がありません：

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

は、元のバイト配列を返します任意のバイト配列x？

別の質問にはmentionedですが、レスポンダは理由を説明しません。

Answer 1

文字エンコーディング（UTF8、具体的には）は、同じコードポイントに対して異なる形式を持つ場合があります。

文字列に変換して戻すとき、実際のバイトは異なる（正式な）形式を表す場合があります。

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

一部のUnicodeシーケンスは短所です：

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

も参照してくださいを参照してください。これは同じ文字を表すためです。これらのいずれかが「A」を表すために使用することができるので、例えば、以下が等価であると考えられる：

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

しかし、順序、バイナリは、比較は、それらが異なるUnicodeコード値を含むので、これらの配列が異なる考慮されます。序数比較を実行する前に、アプリケーションはこれらの文字列を正規化して基本コンポーネントに分解する必要があります。

このページには、==は、配列の各要素を比較しませんので、これは常に正規化されているあなたはどのようなエンコーディング

Answer 2

を示し素敵なサンプルが付属しています。 Encoding.UTF8との接続はありません。 チェックこの：watbywbarifが述べたように

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

Answer 3

まず、あなたは動作しませんので、==を使用して配列を比較するべきではありません。

しかし、配列を正しく比較しても（例えば、SequenceEquals()を使用するか、またはそれらを見るだけで）、配列は常に同じではありません。これが発生するケースは、xが無効なUTF-8エンコード文字列である場合です。

たとえば、0xFFの1バイトシーケンスは有効なUTF-8ではありません。だからEncoding.UTF8.GetString(new byte[] { 0xFF })は何を返しますか？それは 、U + FFFD、置換文字です。もちろん、Encoding.UTF8.GetBytes()に電話すると、0xFFは返されません。

Answer 4

Encodingクラスは往復のデータに設計さですが、それらは、旅行を丸めるように設計されているデータはbyteにエンコードcharデータ、ではなく、他の方法で回避されていることであるから、この時に来て別の角度。これが意味することは、Encodingの機能の中で、それぞれcharの値は、byteの値（1つ以上）に対応するエンコーディングを持ち、まったく同じの値に戻ります。 （これは、すべてのEncoding sがすべて可能char値については、これを行うことができないことは注目に値する - 例えば、は範囲[0, 128)でchar値をのみをサポートすることができます。）

だから、あなたは文字で開始している場合データを格納したり、バイト（ディスクやネットワークストリーム上のファイルなど）を扱うメディアに格納する方法が必要な場合は、charデータをbyteデータに変換してから違った終わり方。 （あなたはすべての可能文字列をサポートしたい場合は、あなたがそのようなEncoding.UnicodeやEncoding.UTF8としてUnicodeベースEncoding S、のいずれかを使用する必要があります。）

だから、あなたが開始している場合、これは何を意味しています一束のbyte？さて、問題のエンコーディングによっては、実際にEncodingが出力するシーケンスではなく、実際に作業しているbyteがあるかもしれません。あなたはエンコーディング操作としてEncoding.GetBytesを見る必要があり、かつEncoding.GetChars/Encoding.GetStringデコード操作として、そしてあなたが任意のバイト配列から始まり、デコード彼らにしようとしています。

類推のために、画像のJPEGファイル形式を検討してください。これは、類似のタイプのとをデコードします。この場合、デコードされたデータはstringではなく画像です。したがって、任意のバイト列を取ると、JPEG画像としてデコードできるチャンスは何ですか？それに対する答えは、明らかに非常にスリムです。おそらく、あなたのバイトは、「そこにいて、そのバイトが他のバイトに来るとは期待していませんでした」というデコーダのパスをたどり着くでしょう。そして、それは仮定のデータを扱うために最善を尽くしますそれは何とかダメージを受けた有効なJPEGファイルです。

任意のバイト配列を文字列に変換すると、まったく同じことが起こります。 UTF-8エンコーディングには、charの値128とそれ以上がエンコードされる方法に関する特定の規則があり、そのうちの1つは、110xxxxx,1110xxxxまたは11110xxxのようなパターンに一致するビットパターン10xxxxxxの後に、これはマルチバイトシーケンス（複数のbytesが単一のcharを表す）を「導入」します。したがって、あなたのデータに10xxxxxxというパターンに一致するバイトが含まれている場合、はのいずれかになります。エンコーダは、データが何らかの形で損傷していると仮定することができます。それは何をするためのものか？ 「エンコードされたデータに何かがひどく間違ってしまった」という文字が挿入されています。 Unicodeを設計した人々は、この正確なシナリオを予期し、この正確な意味を持つ文字を作成しました：Replacement Character。あなたがしようとしている場合

だから、char秒の文字列にあなたのbyte Sを往復し、このシナリオでは、問題byteの実際の値は失われ、代わりに置換文字が挿入され、検出されました。 stringをbyteアレイに戻すと、元のデータではなく置換文字のエンコードが終了します。元のデータは失われます。

あなたが探しているのは、エンコード&という逆方向のデコード関係です。 Encodingはcharのデータを取得し、一時的にデータをbyteというデータとして保存する方法です。 byteのデータを取得し、それを一時的にcharデータとして保存するには、その特定の目的に合わせて設計されたエンコーディングが必要です。幸いにも、これらは存在します。 Wikipediaにはオプションのfairly comprehensive listがあります。 :-)

.NET Framework内では、最も簡単で最もアクセスしやすいオプションは、MIME Base-64エンコードで、Convert.ToBase64StringとConvert.FromBase64Stringで公開されています。