在C#中无需编码将字符串转换为字节：正确解决问题

为什么这个问题在Stack Overflow上如此热门？

如果你曾经用C#编程，并遇到需要将字符串转换为字节数组的情况，你肯定问过自己：“为什么我必须指定编码？字符串不就是字符串吗！”这个问题在Stack Overflow上获得了数千次浏览并非偶然。它触及了一个根本性的误解：我们如何看待文本与计算机如何看待文本之间的差异。

在本文中，我们不仅会提供现成的代码，还会深入探讨为什么Encoding.UTF8.GetBytes("hello")不是权宜之计，而是唯一正确的方法。你将了解如何在C#中获取字符串的字节表示而不会丢失数据，以及“自动编码选择”背后隐藏的秘密。

关于“无编码字符串”的迷思

许多初学者认为C#中的字符串只是一系列字节。事实并非如此。在内部，.NET中的string以UTF-16（双字节字符）存储。当你写下"Привет"时，它在内存中占用12个字节（6个字符 × 2字节）。但如果你尝试将此字符串发送到文件、网络或数据库，你几乎总是需要另一种格式——最常见的是UTF-8。

尝试“无需编码”获取字节，就像问：“如何将一本书从俄语翻译成英语，而不指定语言？”这是不可能的。编码是将字符转换为字节的规则。没有编码，你只会得到一团乱码。

不应该怎么做（典型错误）

string text = "Hello, мир!";byte[] wrongBytes = System.Text.Encoding.Default.GetBytes(text); // 糟糕！

这段代码使用了系统默认编码（在俄语Windows上通常是Windows-1251）。如果你在另一台机器或Linux上运行此代码，你会得到不同的字节。你的应用程序将变得不可预测。

正确方法：显式指定编码

获取一致的字符串字节表示的唯一可靠方法是显式指定编码。最流行且推荐的选择是UTF-8：

string text = "Hello, мир!";byte[] utf8Bytes = System.Text.Encoding.UTF8.GetBytes(text);// 结果：[72, 101, 108, 108, 111, 44, 32, 208, 188, 208, 184, 209, 128, 33]

这段代码在任何平台上都会产生相同的结果。为什么？因为UTF-8是一个国际标准，在任何地方都工作一致。

其他编码选项（何时需要）

• ASCII — 仅限拉丁字符，丢弃所有大于127的字符。
• Unicode (UTF-16LE) — C#的内部格式，但存储效率不高。
• Windows-1251 — 遗留编码，仅用于与旧系统兼容。

对于99%的现代任务，请使用Encoding.UTF8。

如果我想“不指定编码”呢？有技巧吗？

从技术上讲，你可以使用BitConverter.ToString()或带有指针的不安全代码，但这会给你内存中存储的原始UTF-16字节。由于以下几个原因，这是一个坏主意：

• 结果依赖于平台（小端序 vs 大端序）。
• 对于拉丁字符，你会得到多余的零字节（每个字符占用2字节）。
• 当.NET版本更改时，内部表示可能会改变（可能性很小，但有可能）。

危险代码示例，请勿模仿：

unsafe{    string text = "Hello";    fixed (char* ptr = text)    {        byte* bytePtr = (byte*)ptr;        // 处理原始UTF-16字节    }}

这虽然有效，但违反了“如果你不了解后果，就不要触碰内部机制”的原则。

面向初学者的最佳实践