使用Encoding进行字符编码时注意的细节

一般在对字符进行编码的时候都会使用Encoding.GetBytes方法来进行，但当你在使用该方法的时候有没了解这个方法呢？其实Encoding.GetBytes提供了很多方法不过一般都会直接使用Encoding.GetBytes(string).那使用这个方法会有什么问题呢？通过反编译工具看一下这个方法的实现代码．

public virtual byte[] GetBytes(string s)
{
if (s == null)
{
throw new ArgumentNullException("s", Environment.GetResourceString("ArgumentNull_String"));
}
char[] array = s.ToCharArray();
return this.GetBytes(array, 0, array.Length);
}

从反编译的代码来看是从s.ToCharArray()返回一个char[]数据，打开这个方法再细看一下

public unsafe char[] ToCharArray()
{
int length = this.Length;
char[] array = new char[length];
if (length > 0)
{
fixed (char* ptr = &this.m_firstChar)
{
fixed (char* ptr2 = array)
{
string.wstrcpyPtrAligned(ptr2, ptr, length);
}
}
}
return array;
}

从代码上来看是构建一个新的char[]把内容复制，到这里可以看到通过这个方法编码必然会创建一个新的char[],返回到GetBytes方法看下return this.GetBytes(array, 0, array.Length);实现又是怎样的

public virtual byte[] GetBytes(char[] chars, int index, int count)
{
byte[] array = new byte[this.GetByteCount(chars, index, count)];
this.GetBytes(chars, index, count, array, 0);
return array;
}

原理和String.ToArray一样返回一个新的byte[],从以上分析来看就是说一个string的默认方法编码会构建新的char[]和byte[].这意味着会有内存产生和回收，.net下内存分配应该说是很高效的，但内存自动回收ＧＣ的是一件比较麻烦的事情，其实通过工具分析ＧＣ在程序的整个生命周期占用分额其实也不低的.特别是在大量内存需要回收的时候更加要命．

其实Encoding和String都提供相关方法可以避免这些对象的开销

string:

public unsafe void CopyTo(int sourceIndex, char[] destination, int destinationIndex, int count)

encoding:

public abstract int GetBytes(char[] chars, int charIndex, int charCount, byte[] bytes, int byteIndex);

都提供一些带char[]和byte[]传入的方法，通过这些方法复用char[]和byte[];这样做除了可以减少内存的开销回收还能提供程序的效率．为了使用这些方法简单地构建一个可复用对象

public class EncodingData
{
public byte[] Bytes = new byte[1024*8];
public char[] Chars = new char[1024 * 8];
}

构建一个对应的应用池

static Stack<EncodingData> Pool = new Stack<EncodingData>();
static EncodingData Pop()
{
lock (Pool)
{
return Pool.Pop();
}
}
static void Push(EncodingData data)
{
lock (Pool)
{
Pool.Push(data);
}
}

实现起来比较简单，下面看一下实际应用的效果,写一个简单的测用例

private static void test(string text)
{
Console.WriteLine("string length:" + text.Length);
System.Diagnostics.Stopwatch sw = new System.Diagnostics.Stopwatch();
sw.Reset();
sw.Start();
for (int i = 0; i < 10000; i++)
{
Encoding.UTF8.GetBytes(text);
}
sw.Stop();
Console.WriteLine(sw.Elapsed.TotalMilliseconds);
sw.Reset();
sw.Start();
for (int i = 0; i < 10000; i++)
{
EncodingData ed = Pop();
text.CopyTo(0, ed.Chars, 0, text.Length);
Encoding.UTF8.GetBytes(ed.Chars, 0, text.Length, ed.Bytes, 0);
Push(ed);
}
sw.Stop();
Console.WriteLine(sw.Elapsed.TotalMilliseconds);
}

测试结果



虽然测试过程偏向于默认的GetBytes方法，因为ＧＣ所占用的时间不能在这里统计进去，但是出来的效果明显是可复用缓冲的方式比默认方法要高效很多．