我正在尝试在.NET中生成一个随机字符串并转换为字节,并遇到一点困难。我想要完整的可能字符集,我的理解是字符串可以包含任何字符。
我的代码目前如下:
var plainText = new StringBuilder();
for (int j = 0; j < stringLength; ++j)
{
plainText.Append((char)_random.Next(char.MinValue, char.MaxValue));
}
byte[] x = Encoding.Unicode.GetBytes(plainText.ToString());
string result = Encoding.Unicode.GetString(x);
理论上,plainText
和result
应该相同。它们大致相同,但是一些原始字符丢失了,似乎是55000-57000范围内的字符 - 它们被字符65533替换。
我假设问题出在我的编码上,但我认为Unicode可以正确处理。我尝试过UTF8和UTF32,但那些给我带来同样的问题。
有什么想法吗?
答案 0 :(得分:8)
问题是0xD800-0xDFFF(55296-57343)范围内的字符(称为Unicode代理字符)本身无效。它们必须成对出现(首先是0xD800-0xDBFF,第二个是0xDC00-0xDFFF)才能生效(在UTF-16编码方案中)。单独,它们将被视为无效字符并解码为0xFFFD(65533)。 C#使用UTF-16来表示它的字符串,这就是你看到输出的原因。
您可以选择过滤掉它们(例如,在获得非代理字符之前调用_random.Next
),或者在生成代理字符时生成合法代理项对。
答案 1 :(得分:2)
这些是替代字符55296-57343(0xD800-0xDFFF)。你需要正确配对它们。 UTF-16中的一对代理字符描述了单个unicode代码点。
您似乎在假设char和代码点是相同的事情的情况下运行。这不是真的,有> 2 ^ 16个代码点。
我建议您阅读UTF-16 Wikipedia Article。