C# と VB.NET の質問掲示板

■No93883 (tani さん) に返信
> これはなぜなのでしょうか？

C# では、文字集合として Unicode をベースにしていますが、
その符号化方式は UTF-8 ではありません。


Windows が使う Unicode では、エンコードとして UCS-2 あるいは UTF-16 をベースとしています。
これは細かい事を端折っていえば、すべての文字が 2 バイト(16bit) で表されるエンコーディングであり、
.NET の System.String や System.Char もコレです。



using System;
using System.Diagnostics;
using System.Globalization;
using System.Text;

class Program
{
    static void Main()
    {
        // 'U+0000〜U+007F の範囲の文字は、UTF-8 では 1 バイトとなる
        WriteStringLength("\u0043");
        WriteStringLength("\u0023");
        Debug.WriteLine("");

        // 'U+0080〜U+07FF の範囲の文字は、UTF-8 では 2 バイトとなる
        WriteStringLength("\u03B2");
        WriteStringLength("\u0414");
        Debug.WriteLine("");

        // 'U+0800〜U+FFFF の範囲の文字は、UTF-8 では 3 バイトとなる
        WriteStringLength("\u3042");
        WriteStringLength("\u4f60");
        WriteStringLength("\uFF8F");
        Debug.WriteLine("");

        // 'U+10000〜U+1FFFF の範囲の文字は、UTF-8 では 4 バイトとなる
        WriteStringLength("\U0001F60A");
        WriteStringLength("\U00020BB7");
        WriteStringLength("\U00020B9F");
        Debug.WriteLine("");
    }

    static void WriteStringLength(string s)
    {
        Debug.WriteLine(String.Format(
            "文字=[{0}], 文字数={1}, Char数={2}、UTF-8={3}, UTF-16={4}",
            s,
            new StringInfo(s).LengthInTextElements,
            s.ToCharArray().Length,
            Encoding.GetEncoding("UTF-8").GetByteCount(s),
            Encoding.GetEncoding("UTF-16").GetByteCount(s)
        ));
    }
}