UTF-8中的字符串到字节数组？

如何在UTF-8中将宽字符串（或其他长字符串）转换为字节数组

var S: UTF8String;
    B: TBytes;

begin
  S := 'Șase sași în șase saci';
  SetLength(B, Length(S)); // Length(s) = 26 for this 22 char string.
  CopyMemory(@B[0], @S[1], Length(S));
end.

根据所需字节的用途，可能需要包含空终止符

---

对于生产代码，请确保测试空字符串。添加所需的3-4 LOC只会使示例更难阅读。

这样的函数可以满足您的需要：

function UTF8Bytes(const s: UTF8String): TBytes;
begin
  Assert(StringElementSize(s)=1);
  SetLength(Result, Length(s));
  if Length(Result)>0 then
    Move(s[1], Result[0], Length(s));
end;

您可以使用任何类型的字符串调用它，RTL将从传递给UTF-8的字符串编码转换而来。因此，不要被欺骗，认为在调用之前必须转换为UTF-8，只需传入任何字符串并让RTL完成工作

在这之后，它是一个相当标准的数组副本。请注意，该断言明确调用了UTF-8编码字符串的字符串元素大小假设

如果你想得到零终止符，你可以这样写：

function UTF8Bytes(const s: UTF8String): TBytes;
begin
  Assert(StringElementSize(s)=1);
  SetLength(Result, Length(s)+1);
  if Length(Result)>0 then
    Move(s[1], Result[0], Length(s));
  Result[high(Result)] := 0;
end;

---

如果您使用的是Delphi 2009或更高版本（Unicode版本），则可以在SysUtils.pas中使用

TEncoding.UTF8.GetBytes

，将宽字符串转换为UTF8String是一个简单的赋值语句：

var
  ws: WideString;
  u8s: UTF8String;

u8s := ws;

编译器将调用正确的库函数进行转换，因为它知道UTF8String类型的值的“代码页”为

CP\u UTF8

在Delphi7及更高版本中，您可以使用提供的库函数

Utf8Encode

。对于更早的版本，您可以从其他库（如JCL）获得该函数

您还可以使用Windows API编写自己的转换函数：

function CustomUtf8Encode(const ws: WideString): UTF8String;
var
  n: Integer;
begin
  n := WideCharToMultiByte(cp_UTF8, 0, PWideChar(ws), Length(ws), nil, 0, nil, nil);
  Win32Check(n <> 0);
  SetLength(Result, n);
  n := WideCharToMultiByte(cp_UTF8, 0, PWideChar(ws), Length(ws), PAnsiChar(Result), n, nil, nil);
  Win32Check(n = Length(Result));
end;

函数CustomUtf8Encode（const-ws:WideString）：UTF8String；
变量
n：整数；
开始
n:=宽图表多字节（cp_UTF8，0，PWideChar（ws），长度（ws），nil，0，nil，nil）；
Win32Check（n0）；
设置长度（结果，n）；
n:=WideCharToMultiByte（cp_UTF8，0，PWideChar（ws），Length（ws），PAnsiChar（Result），n，nil，nil）；
Win32Check（n=长度（结果））；
结束；

很多时候，您可以简单地使用UTF8String作为数组，但如果您确实需要字节数组，则可以使用David和Cosmin的函数。如果您正在编写自己的字符转换函数，则可以跳过UTF8String并直接转到字节数组；只需将返回类型更改为

TBytes

或

字节数组

。（如果希望数组以null结尾，也可以将长度增加1。SetLength将隐式地对字符串执行此操作，但对数组执行此操作。）

---

如果您的其他字符串类型既不是WideString、UnicodeString，也不是UTF8String，那么将其转换为UTF-8的方法是首先将其转换为WideString或UnicodeString，然后将其转换回UTF-8。

我有以下两个例程（源代码可以在此处下载-）：

函数CsiBytesToStr（const pInData:tbytednarray；pStringEncoding:tecstringencoding；pIncludesBom:Boolean）：字符串

函数CsiStrToBytes（const-pInStr:string；pStringEncoding:tecstringencoding； pIncludeBom:Boolean）：t字节数组

widestring->UTF8：

相反：

请注意，在D2009之前的系统（包括当前可用的Pascal）中，将宽字符串分配给ansistring将转换为本地ansi编码，即乱码字符

---

关于T字节部分，请参见上面Rob Kennedy的备注。

字符串不是空的。它包含值“ase sașiînșase saci”+1。不是每个人（至少可以这么说！）都知道

Length

函数是如何工作的@Cosmin我可以看到字符串不是空的。我只是有一种感觉，OP可能对文本感兴趣，而不是

“ase sașIînșase saci”

@Cosmin，@David:当然@Cosmin是在开玩笑！（大卫的观点确实很好。）我想通过套接字将字节发送到我的Java应用程序。@Cosmin不，不会。这就是断言的意义所在！一个问题。。使用StringElementSize（）（lazarus）需要添加什么单位。很抱歉问了这么多问题，我是一个newbie@Mariusz你的“拉撒路”是什么意思？你给问题贴上了标签。在Delphi中，它位于system.pas中，因此所有单元都会自动使用。@Mariusz:您可以删除整个

Assert…

行。但是，由于您标记了您的问题

Delphi

，而不是

free pascal

，@David的答案适用于Delphi，而不是free pascal。但是上面的代码也可以在免费的Pascal中工作。我不知道。试试看。这是D2009+特定的代码，因此在遵循D2009之前语义的FPC上不起作用。将宽字符串（参见原始问题）传递给“UTF8string”会将其更改为本地编码（而不是像D2009+中那样的UTF-8），从而使字符串混乱。FPC对此有专门的文档功能，请参见单独的回答注意，如果输入字符串已编码为UTF-8，

GetBytes

将非常浪费。编译器将把输入字符串转换为UnicodeString，因为这是

GetBytes

允许的唯一字符串参数，而

GetBytes

将把字符转换回UTF-8以生成其结果。