utf8拥有的字符Ş ,但是gb2312没有Ş ,而gb18030有Ş 。而且gb18030占用的字节数更多

https://en.wikipedia.org/wiki/List_of_Unicode_characters

选取一个特殊字符

U+015E Ş 350 Ş Latin Capital Letter S with cedilla 0286 

然后尝试处理

 

复制代码
 [Test]
        public void Test20210521002()
        {
            var str = "Ş";
            //PrintHexString(Encoding.ASCII, str);  //ascii本身不支持中文的,所以打印出来的是错误的
            PrintHexString(Encoding.UTF8, str);
            PrintHexString(Encoding.BigEndianUnicode, str);
            PrintHexString(Encoding.GetEncoding(936), str);
            PrintHexString(Encoding.GetEncoding(54936), str);
        }

        private void PrintHexString(Encoding encoding, string str)
        {
            int count = 0;
            foreach (var c in str)
            {
                var array = encoding.GetBytes(c.ToString());
                var hexString = GetHexString(array);
                Console.WriteLine($"{c}, {encoding.WebName}, U+{hexString}, {string.Join(string.Empty,array.Select(GetBinaryString))}");
                count += array.Length;
            }
            Console.WriteLine($"【{str}】 occupy {count} bytes when encoded by {encoding.WebName}");
            Console.WriteLine();
        }

        private string GetBinaryString(byte b)
        {
            return Convert.ToString(b, 2).PadLeft(8, '0');
        }

        private string GetHexString(byte[] array)
        {
            var list = array.Select(x => x.ToString("X2"));
            var str = string.Join(string.Empty, list);
            return str;
        }

        [Test]
        public void Test20210521003()
        {
            var array = new byte[] {0xc5, 0x9e};
            Encoding utf8 = Encoding.UTF8;
            var str1 = utf8.GetString(array);
            Console.WriteLine(str1);

            var array4 = new byte[] { 0x01, 0x5e };
            Encoding utf16 = Encoding.BigEndianUnicode;
            var str4 = utf16.GetString(array4);
            Console.WriteLine(str4);

            var array2 = new byte[] {0x35};
            Encoding gb2312 = Encoding.GetEncoding(936);
            var str2 = gb2312.GetString(array2);
            Console.WriteLine(str2);

            var array3 = new byte[] {0x81, 0x30, 0x94, 0x35};
            Encoding gb18030 = Encoding.GetEncoding(54936);
            var str3 = gb18030.GetString(array3);
            Console.WriteLine(str3);

        }
复制代码

Ş, utf-8, U+C59E, 1100010110011110
【Ş】 occupy 2 bytes when encoded by utf-8

Ş, utf-16BE, U+015E, 0000000101011110
【Ş】 occupy 2 bytes when encoded by utf-16BE

Ş, gb2312, U+3F, 00111111  这个是错误的
【Ş】 occupy 1 bytes when encoded by gb2312

Ş, GB18030, U+81309435, 10000001001100001001010000110101
【Ş】 occupy 4 bytes when encoded by GB18030

 

把上面的字节,反过来输出成字符的话

Ş  utf8
Ş   utf16
5   gb2312  因为上面的输出就是错误的,所以这里没法得到正确的。而且gb2312本身不支持Ş 
Ş  gb18030

 

https://www.qqxiuzi.cn/bianma/guobiaoma.php  千千秀字

 

作者:Chuck Lu    GitHub    
posted @   ChuckLu  阅读(379)  评论(0编辑  收藏  举报
编辑推荐:
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 没有源码,如何修改代码逻辑?
阅读排行:
· 全程不用写代码,我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· 记一次.NET内存居高不下排查解决与启示
· 白话解读 Dapr 1.15:你的「微服务管家」又秀新绝活了
历史上的今天:
2020-05-21 领域驱动设计DDD
2020-05-21 如何退出telnet
2019-05-21 vs 2019 create new project 创建新项目
2019-05-21 Aspect-Oriented Programming : Aspect-Oriented Programming with the RealProxy Class
2019-05-21 Aspect-oriented programming
2019-05-21 Gitblit用户没有push权限,但是已经在team里面配置了
2018-05-21 第三章 基本概念
点击右上角即可分享
微信分享提示