Question

另一个问题。 Unicode，终端以及现在的C＃和wc。如果我写这段简单的代码

  int i=0;
  foreach(char c in Console.In.ReadToEnd())
  {
    if(c!='\n') i++;
  }
  Console.WriteLine("{0}", i);

并仅输入字符“€”（utf-8中的3个字节），wc返回3个字符（可能使用wint_t，但我没有检查过），但ReadToEnd()返回1 （一个字）。在这种情况下ReadToEnd的行为究竟是什么？我怎么知道ReadToEnd在幕后做了什么？

我正在使用utf-8.en.US运行xterm，运行Ubuntu Linux和Mono。

谢谢。

Answer 1

wc和大多数类似unix的命令根据C char数据类型处理字符，该数据类型通常是无符号的8位整数。 wc只是逐个读取标准输入中的字节而没有转换，并确定有3个字符。

.NET根据自己的Char数据类型处理字符，该数据类型是16位无符号整数，表示UTF-16字符。控制台类已收到3个字节的输入，确定它所连接的控制台是UTF-8并正确地将它们转换为单个UTF-16欧元字符。

Answer 2

您需要考虑字符编码。目前，您只是计算字节数，而char和byte s的大小不一定相同。

Encoding encoding = Encoding.UTF8;
string s = "€";

int byteCount = encoding.GetByteCount(s);
Console.WriteLine(byteCount); // prints "3" on the console

byte[] bytes = new byte[byteCount];
encoding.GetBytes(s, 0, s.Length, bytes, 0);
int charCount = encoding.GetCharCount(bytes);
Console.WriteLine(charCount); // prints "1" on the console

Answer 3

ReadToEnd返回一个字符串。 .NET中的所有字符串都是Unicode。它们不仅仅是一个字节数组。

显然，wc正在返回字节数。字节数和字符数曾经是相同的。

Answer 4

默认情况下，

wc返回文件中的行数，字数和字节数。如果您想根据活动区域设置的编码返回字符数而不仅仅是字节数，那么您应该查看现代-m的{{1}}或--chars选项有

TextWriter.ReadToEnd与Unix wc命令

4 个答案: