C#中UTF-8字节数组验证逻辑解析及异常处理咨询

问题背景 #

几个月前我找到一段验证UTF-8字节数组的代码，如今重构代码时忘记了这段代码的作用。现将代码列出，我疑惑GetCharCount与GetChars的操作是否重复，同时想了解应该抛出何种类型的异常及对应的异常文本。

待分析代码 #

public void ValidateUTF8Bytes(byte[] bytes)
{
    int charCount = Encoding.UTF8.GetCharCount(bytes);
    char[] chars = new char[charCount];
    int charsDecodedCount = Encoding.UTF8.GetChars(bytes, 0, bytes.Length, chars, 0);
    
    if (charsDecodedCount != charCount)
    {
        throw new ArgumentException();
    }
}

我的理解 #

1. （我认为底层会）将字节数组转换为字符数组并返回字符数组的长度
2. 声明chars变量（作用是什么？）
3. 再次将字节数组转换到chars变量并返回该数组的长度

所以步骤1和步骤3在这段代码中是否做的是相同的操作？

解答 #

1. GetCharCount和GetChars操作是否重复？ #

这两个方法的操作并不完全重复，但底层都会对UTF-8字节序列做解码校验：

• GetCharCount：仅遍历字节数组，计算解码后能得到的字符总数，过程中会检查字节是否符合UTF-8编码规则。如果遇到无效字节，会根据Encoding.UTF8的默认容错策略（用�替换无效序列），把替换字符的数量也算入总数。
• GetChars：实际执行字节到字符的解码转换，把结果写入预先分配的char数组，同时返回实际写入的字符数。同样会处理无效字节，按容错策略替换。

这段代码的逻辑是：先预判需要的字符数，再实际解码，对比两者的结果——如果不一致，说明解码过程中出现了未预期的异常（比如容错策略被修改，或者字节数组在两次操作间被篡改），以此验证字节数组的UTF-8合法性。但要注意：默认的Encoding.UTF8会自动替换无效字节，所以大部分情况下两者数值会一致，这段代码其实很难检测出无效UTF-8字节。如果要严格验证，应该把DecoderFallback设置为DecoderFallbackException，这样遇到无效字节直接抛出异常，不用手动对比计数。

2. chars变量的作用 #

chars是用来接收GetChars解码结果的容器。GetChars方法需要一个预分配的字符数组来存储解码后的内容，而charCount就是根据GetCharCount得到的所需数组长度，确保数组足够大，不会出现溢出。

3. 异常类型及文本优化 #

• 异常类型：原代码用ArgumentException是合理的，因为是输入参数不符合要求。如果是严格解码场景，底层会自动抛出DecoderFallbackException，更精准。
• 异常文本要明确说明问题，比如：

  throw new ArgumentException("输入的字节数组不是有效的UTF-8编码序列", nameof(bytes));
  

  这样调用者能直接知道是参数的UTF-8合法性出了问题，还能通过nameof(bytes)定位到具体参数。

内容的提问来源于stack exchange，提问作者Rotmayer