为什么IsSingleByte Encoding的GetByteCount要进行计算

Question

我检查了 AsciiEncoding 的 GetByteCount 方法。它执行长计算而不是返回 String.Length。这对我来说完全没有任何意义。你知道为什么吗？

Answer 1

编辑：我刚刚尝试重现此内容，目前无法强制使用 ASCIIEncoding 来进行不同的替换。相反，我必须使用 Encoding.GetEncoding 来获取可变的。因此，对于 ASCIIEncoding，我同意...但对于 IsSingleByte 返回 true 的其他实现，您仍然会遇到以下潜在问题。

---

考虑尝试获取不只包含 ASCII 字符的字符串的字节数。编码必须考虑 EncoderFallback...它可以执行任意数量的操作，包括以不确定的量增加计数。

它可以针对编码器后备是“默认”编码器仅用“？”替换非 ASCII 字符的情况进行优化。尽管。

---

进一步编辑：我只是试图将其与代理对混淆，希望它由一个问号表示。不幸的是没有：

string text = "x\ud800\udc00y";
Console.WriteLine(text.Length); // Prints 4
Console.WriteLine(Encoding.ASCII.GetByteCount(text)); // Still prints 4!

Answer 2

有趣的是， mono 运行时不会t 似乎包括这种行为：

// Get the number of bytes needed to encode a character buffer.
public override int GetByteCount (char[] chars, int index, int count)
{
    if (chars == null) {
        throw new ArgumentNullException ("chars");
    }
    if (index < 0 || index > chars.Length) {
        throw new ArgumentOutOfRangeException ("index", _("ArgRange_Array"));
    }
    if (count < 0 || count > (chars.Length - index)) {
        throw new ArgumentOutOfRangeException ("count", _("ArgRange_Array"));
    }
    return count;
}

// Convenience wrappers for "GetByteCount".
public override int GetByteCount (String chars)
{
    if (chars == null) {
        throw new ArgumentNullException ("chars");
    }
    return chars.Length;
}

并进一步向下

[CLSCompliantAttribute(false)]
[ComVisible (false)]
public unsafe override int GetByteCount (char *chars, int count)
{
    return count;
}

Answer 3

对于像 UTF8 这样的多字节字符编码，此方法很有意义，因为字符存储在 1 - 6 个字节中。我想，该方法也适用于像 ASCII 这样的固定大小编码，其中每个字符都用 7 位存储。然而，在实际实现中，“aaaaaaaa” 将是 8 个字节，因为 ASCII 中的字符存储在 1 个字节（8 位）中，因此 lenght hack 在最佳情况下可以工作。

以前版本的 .NET Framework 允许通过忽略第 8 位进行欺骗。当前版本已更改，以便在字节解码期间非 ASCII 代码点回退。

来源： MSDN

我将你的问题理解为：长度黑客是否存在最坏的情况？

        Encoding ae = Encoding.GetEncoding(
              "us-ascii",
              new EncoderReplacementFallback("[lol]"),
              new DecoderReplacementFallback("[you broke Me]"));

        Console.WriteLine(ae.GetByteCount("õäöü"));

这将返回20作为字符串“õäöü”包含 4 个字符，全部超出 "us-ascii" 字符集限制（U+0000 到 U+007F。），因此之后编码器，文本将为“[lol][lol][lol][lol]”。