Last Updated: February 25, 2016
·
675
· hjwu

Compose bytes to UTF-8 string

先稍微記一下 UTF-8

大於 ASCII 碼的,就會由上面的第一位元組的前幾位表示該 unicode 字元的長度,比如 110xxxxxx 前三位的二進位表示告訴我們這是個 2BYTE 的 UNICODE 字元;1110xxxx 是個三位的 UNICODE 字元,依此類推;xxx 的位置由字元編碼數的二進製表示的位填入。越靠右的 x 具有越少的特殊意義。只用最短的那個足夠表達一個字元編碼數的多位元組串。注意在多位元組串中,第一個位元組的開頭 "1" 的數目就是整個串中位元組的數目。

因此要把一堆 byte 組成 UTF-8 的字串,所以目前的想法是先判斷抓到的 byte 第幾位開始是 0,我參考了這篇 Get a specific bit from byte,利用 Bitwise Left Shift Operator(<<)Bitwise AND Operator (&) 來判斷。

private int GetZeroBit(byte b) 
{
    for (int i = 7; i >= 0; i--)
    {
        if ((b & (1 << i)) != 0) continue;
        else return 8 - i;
    }
    return 0;
}

原理很簡單, 1 << i 只有從右邊數來第 i 個位置為 1,然後又用 & 去比,所以只有當 b 的同樣位置也是 1 才會得到 true。所以就能判斷第一個 0 從哪出現。

byte[] myBytes;
List<string> myString = new List<string>();

for (int i = 0; i < myBytes.Length; i++)
{
   int zeroIndex = GetZeroDigit(myBytes[i]);

   if (zeroIndex > 0)
   {
      if (zeroIndex > 1) zeroIndex--;
      myString.Add(Encoding.UTF8.GetString(myBytes, i, zeroIndex));
      i = i + zeroIndex - 1;
   }                             
}

順便補充一下 Difference between >>> and >> 簡單說就是 >> 會保持正負號,也就是第一個 bit 的值不變,其他值右移。而 >>> 則是全部右移,最左邊補 0。