字符、字符串及文本处理.docxVIP

 HYPERLINK /lwenwen/p/3278108.html 字符、字符串和文本处理 1.1字符 在.NET Framework中，字符都是用16位Unicode编码(UTF-16)的（编译时用UTF-16编码成2进制存到硬盘,程序运行时再用utf-16解码显示代码中的字符串，在内存中相应的字节流就是用UTF-16编码过的），也就是说所有字符都是占2个字节16位，这简化了国际化应用程序的开发。Unicode字符集有很多种编码方案，常用的有: UTF-16：所有字符被编码成2个字节 UTF-8：十进制小于128的字符被编码成1个字节(可表示欧美地区使用的字符)，128~2047的字符被编码成2个字节(可表示欧洲和中东语言)，大于2047的字符被编码成3个字节(可表示东亚地区的语言) UTF-32：所有字符都被编码成4个字节 Unicode字符集还有个ASCII编码方案，这种编码只能将小于128的16位字符转换成单字节，而其他超过127的字符都会丢失。 GB2312等 HYPERLINK /lucas-zong/articles/2065689.html \t _blank 其他字符集(这些字符集可能只有一种同名编码方案) 针对Char的一个实例，可以调用Char类型的静态方法Get Unicode Category，这个方法返回的是System. Globalization. Unicode Category枚举类型的一个值。这个值指出该字符是控制字符、货币符号、小写字母、大写字母、标点符号、数字符号 还是其他Unicode标准定义的符号。 其他一些静态方法如IsDigit、IsLetter、IsUpper、IsControl、IsSymol等都在内部调用了Get Unicode Category，并简单返回true或false。注意，所以这些方法要么获取单个字符作为参数，要么获取一个String以及目标字符在这个String中的索引作为参数。 另外，可以调用静态方法To Lower Invariant或者To Upper Invariant以一种忽略语言文化的方式，将一个字符转化为小写或大写。如果调用To Lower和To Upper方法，在转换时要使用与线程相关的语言文化信息，语言文化信息是这两个方法在内部查询System. Threading. Thread类的静态Current Culture属性来获得的。还可以向这些方法传递Culture Info类的一个实例来具体指定一种语言文化。To Lower和To Upper之所以需要语言文化信息，是因为字母的大小写转换是依赖于语言文化操作的。 可以使用三种技术实现各种数值类型与Char实例的相互转换，下面按照优先顺序列出这些技术。 ? *转型（强制类型转换）要将一个Char转换成一个数值（如Int32），最简单的方法是强制类型转换。在三种技术中，这种技术效率最高，因为编译器会生成IL（Intermediate Language中间语言）指令来执行转换，不必调用任何方法。 *使用Convert类型?System. Convert类型提供了几个静态方法来实现Char和数值类型的相互转换。这些方法都以checked方式来执行转换，因此一旦发现转换造成数据丢失，就会抛出一个Overflow Exception异常。 *使用I Convertible接口?Char类型和FCL中的所有数值类型都实现了I Convertible接口。该接口定义了像ToUInt16和To Char这样的方法。但是这种技术效率最差，因为在值类型上调用一个接口方法，要求对实例进行装箱（Char和所有数值类型都是值类型）。如果某个类型不能转换（比如Char转换成Boolean），或者转换造成数据的丢失，I Convertible的方法会抛出一个System. Invalid Cast Exception异常。 以下代码简单演示如何使用这三种技术 ?View Code 1.2 System. String类型 1.2.1 构造字符串 一个String代表一个不可变的顺序字符集。String类型直接派生自Object，所以它是一个引用类型。因此String对象总是存在于堆上，永远不会跑到线程栈。许多编程语言都将String视为一个基元类型----可以再源代码中直接表示文本常量字符串（string s=hi）; 编译器将这些文本常量字符串放到模块的元数据中，并在运行时加载和引用它们。 在C#中，不能使用new操作符从一个文本常量字符串构造一个String对象。 对于换行符、回车符和退格符这样的特殊字符，C#采用的是C/C++开发人员熟悉的转义机制： 1 // 包含回车符和换行符的字符串 2 st