用于 unicode 字符代码的 uint 和 char 转换

Question

谁能解释一下这段代码到底发生了什么：

var letter= 'J';
char c = (char)(0x000000ff & (uint)letter);

我知道它正在获取字符的 unicode 表示，但是我不完全理解以下角色的作用：

(0x000000ff & (uint)letter

0x000000ff 的目的和将字母转换为 (uint) 的目的是什么？是否有一种简便的方法可以达到相同的结果？

谢谢

更新

好吧，看起来大多数人都认为这是一个不好的例子，我不想包括整个班级，但我想我也可以这样你就可以看到上下文。来自Reference Source's WebHeaderCollection：

  private static string CheckBadChars(string name, bool isHeaderValue)
    {
        if (name == null || name.Length == 0)
        {
            // emtpy name is invlaid
            if (!isHeaderValue)
            {
                throw name == null ? 
                    new ArgumentNullException("name") :
                    new ArgumentException(SR.GetString(SR.WebHeaderEmptyStringCall, "name"), "name");
            }

            // empty value is OK
            return string.Empty;
        }

        if (isHeaderValue)
        {
            // VALUE check
            // Trim spaces from both ends
            name = name.Trim(HttpTrimCharacters);

            // First, check for correctly formed multi-line value
            // Second, check for absenece of CTL characters
            int crlf = 0;
            for (int i = 0; i < name.Length; ++i)
            {
                char c = (char)(0x000000ff & (uint)name[i]);
                switch (crlf)
                {
                    case 0:
                        if (c == '\r')
                        {
                            crlf = 1;
                        }
                        else if (c == '\n')
                        {
                            // Technically this is bad HTTP.  But it would be a breaking change to throw here.
                            // Is there an exploit?
                            crlf = 2;
                        }
                        else if (c == 127 || (c < ' ' && c != '\t'))
                        {
                            throw new ArgumentException(SR.GetString(SR.WebHeaderInvalidControlChars), "value");
                        }

                        break;

                    case 1:
                        if (c == '\n')
                        {
                            crlf = 2;
                            break;
                        }

                        throw new ArgumentException(SR.GetString(SR.WebHeaderInvalidCRLFChars), "value");

                    case 2:
                        if (c == ' ' || c == '\t')
                        {
                            crlf = 0;
                            break;
                        }

                        throw new ArgumentException(SR.GetString(SR.WebHeaderInvalidCRLFChars), "value");
                }
            }

            if (crlf != 0)
            {
                throw new ArgumentException(SR.GetString(SR.WebHeaderInvalidCRLFChars), "value");
            }
        }
        else
        {
            // NAME check
            // First, check for absence of separators and spaces
            if (name.IndexOfAny(InvalidParamChars) != -1)
            {
                throw new ArgumentException(SR.GetString(SR.WebHeaderInvalidHeaderChars), "name");
            }

            // Second, check for non CTL ASCII-7 characters (32-126)
            if (ContainsNonAsciiChars(name))
            {
                throw new ArgumentException(SR.GetString(SR.WebHeaderInvalidNonAsciiChars), "name");
            }
        }

        return name;
    }

感兴趣的是：

char c = (char)(0x000000ff & (uint)name[i]);

Answer 1

您正在解析 HTTP 标头，对吗？这意味着您不应该使用（任何）unicode 编码。

HTTP 标头必须是 7 位 ASCII（与请求数据不同）¹。这意味着您应该使用 ASCII 编码而不是默认编码。因此，当您解析请求字节时，您必须使用Encoding.ASCII.GetString 而不是Encoding.Default.GetString。希望您没有使用 StreamReader - 这将是一个坏主意，原因有很多，包括（可能）标头和请求内容之间的编码不匹配。

编辑：

至于在 Microsoft 源代码中的使用 - 是的，它发生了。不要试图复制这些类型的东西 - 它是一个黑客。请记住，您没有 Microsoft 工程师所拥有的测试套件和质量保证，因此即使它确实有效，您最好不要复制此类黑客。

我假设它是这样处理的，因为 string 用于原则上应该是“ASCII 字符串”或只是 byte[] 的东西 - 因为 .NET 只支持 unicode 字符串，这被视为较小的邪恶（事实上，这就是为什么代码明确检查 string 不 包含任何 unicode 字符 - 它很清楚标头 必须 是 ASCII - 如果字符串包含任何非 ASCII 字符，它将显式失败。这只是为其他人编写高性能框架时通常的权衡。

脚注：

1. 实际上，RFC (2616) 指定 US-ASCII 作为编码，大概意思是 ISO-8859-1。然而，RFC 不是一个绑定标准（它更像是希望摆脱混乱：D），并且周围有很多 HTTP/1.0 和 HTTP/1.1 客户端（和服务器）实际上并不尊重这一点。像 .NET 作者一样，我会坚持使用 7 位 ASCII（编码的每字节字符，当然，不是 真正的 7 位）。

Answer 2

0x000000ff 的目的和将字母转换为 (uint) 的目的是什么

使用 [0..255] 范围内的代码获取字符：char 在内存中占用 2 个字节

例如：

var letter= (char)4200; // ၩ
char c = (char)(0x000000ff & (uint)letter); // h

// or
// char c = (char)(0x00ff & (ushort)letter);

// ushort (2-byte unsigned integer) is enough: uint is 4-byte unsigned integer

Answer 3

此代码所做的不是转换为 Unicode。如果有的话，情况正好相反：

0x000000ff & 部分基本上是丢弃了 unicode 字母的第二个字节，并将其转换为只有一个字节长的字母。或者更准确地说：它只保留最重要的字节并丢弃所有其他字节 - 这与 char 相同，因为它的大小为两个字节。

我仍然认为这没有意义，因为它会导致误报：实际使用两个字节的 Unicode 字母只会丢失其中一个字节因此变成不同的字母 我会简单地摆脱此代码并在您使用c 的任何地方使用name[i]。