byte[] UTF-8 a string en C#: ¿qué método es más rápido y mejor?

Entrenador de Python en Línea para Principiantes

Aprende Python fácilmente sin sobrecargarte de teoría. Resuelve tareas prácticas con verificación automática, recibe pistas y escribe código directamente en el navegador, sin instalar nada.

Start Course

¿Por qué la pregunta "UTF-8 byte[] to string" sigue siendo relevante?

Imagina: has recibido un array de bytes de una solicitud de red, has leído un archivo binario o has deserializado datos de una API. Dentro hay texto normal en ruso, inglés o emojis. Pero C# solo ve byte[]. Tu tarea es convertir esos ceros y unos en una cadena string comprensible.

¿Qué podría ser más simple, verdad? Una sola llamada a un método y listo. Pero en Stack Overflow, la pregunta "How to convert UTF-8 byte[] to string" acumula miles de visitas y decenas de respuestas. ¿Por qué? Porque el diablo está en los detalles: codificación, rendimiento, seguridad y excepciones inesperadas.

En este artículo no solo te daremos código listo. Compararemos enfoques, mediremos la velocidad, discutiremos las trampas y elegiremos la mejor herramienta para cada tarea. Si programas en C# y trabajas con redes, archivos o serialización, este material es para ti.

El problema: byte[] no es una cadena

En C#, la cadena string se almacena en codificación UTF-16. Pero los bytes que recibiste probablemente están codificados en UTF-8 (el estándar de internet, JSON, la mayoría de los protocolos de texto). La conversión directa de tipos es imposible: el compilador dará un error.

Se necesita un decodificador que convierta una secuencia de bytes UTF-8 en caracteres UTF-16. Y aquí comienza lo interesante: el desarrollador tiene al menos tres caminos fundamentalmente diferentes.

Método 1: El clásico — Encoding.UTF8.GetString

La forma más obvia y recomendada por Microsoft es usar la clase estática System.Text.Encoding:

byte[] utf8Bytes = { 72, 101, 108, 108, 111, 32, 208, 191, 209, 128, 208, 176, 208, 178, 208, 176 }; // "Hello права"string result = Encoding.UTF8.GetString(utf8Bytes);Console.WriteLine(result); // Salida: Hello права

Ventajas:

Simplicidad: una sola línea de código.
Soporte para todas las codificaciones, incluyendo UTF-8, UTF-16, ASCII, Latin-1.
Manejo integrado de BOM (Byte Order Mark): si hay un marcador UTF-8 al inicio del array, se ignora.
Seguridad: sin bloques unsafe.

Desventajas:

Cada llamada crea una nueva cadena y un búfer interno.
Si los bytes están dañados o contienen una secuencia UTF-8 no válida, el método por defecto lanza una DecoderFallbackException (a menos que se configure un fallback).
No es óptimo para arrays muy grandes (cientos de megabytes): doble copia de datos.

¿Cuándo usarlo?

En el 95% de los casos. Es el estándar de la industria. Si no estás escribiendo un analizador de alto rendimiento ni trabajas con gigabytes de registros, usa Encoding.UTF8.GetString.

Método 2: Rápido y peligroso — unsafe con punteros

Para quienes buscan velocidad y no temen al unsafe. La idea: sabemos que UTF-8 y UTF-16 son codificaciones diferentes, pero si el array solo contiene caracteres ASCII (códigos hasta 127), cada byte se puede "expandir" a un carácter de 2 bytes sin decodificación.

unsafe string UnsafeAsciiBytesToString(byte[] bytes){    fixed (byte* pBytes = bytes)    {        return new string((sbyte*)pBytes, 0, bytes.Length);    }}

¡Este código solo funciona para ASCII! Para texto en ruso (caracteres > 127), el resultado será basura. Pero para inglés puro, funciona 2-3 veces más rápido que Encoding.UTF8.GetString.

Ventajas: