为何C#、Python等编程语言支持将字符串转换为byte array

这当然不是“字节转字节”，你对字符串类型的本质理解有偏差：高层编程语言里的字符串是Unicode字符序列的抽象，本身不绑定具体编码，转字节数组的过程本质是按指定编码规则做字符到字节的映射，和字符串本身在内存里的存储字节没有直接关系。

1. 先搞清楚字符串和字节数组的本质区别 #

不管是C#的string还是Python 3的str，设计上都是完全屏蔽编码细节的Unicode字符集合：

• 你操作字符串的时候，拿到的长度是字符数，不是字节数：比如Python里len("你好")返回2，对应两个汉字字符，和编码无关。
• 字符串在内存里的存储字节是编程语言内部实现决定的，比如C#的string默认用UTF-16编码存储，Python 3的string内部实现可能用Latin-1、UCS-2、UCS-4根据字符范围动态选择，这些存储细节对开发者是完全透明的，你永远不需要关心。
• 而你调用Encoding.GetBytes()（C#）或者str.encode()（Python）拿到的字节数组，是按照你显式/隐式指定的编码规则生成的对外交互用的字节，和内部存储的字节完全是两码事。

举个很直观的例子：

// C# 代码示例
string str = "你好";
// 按UTF-8转字节
byte[] utf8Bytes = System.Text.Encoding.UTF8.GetBytes(str); // 长度6
// 按GBK转字节
byte[] gbkBytes = System.Text.Encoding.GetEncoding("GBK").GetBytes(str); // 长度4

同一个字符串，转出来的两个字节数组长度、内容完全不同，如果是“字节转字节”根本不可能出现这种结果。

2. 这个设计的核心价值是什么？ #

这个拆分是典型的关注点分离：

• 字符串层负责处理所有和字符语义相关的操作：拼接、截取、替换、正则匹配、大小写转换等等，你不需要考虑编码，逻辑会非常清晰，不会出现截断半个汉字这类乱码问题。
• 字节数组层负责处理所有和底层交互相关的操作：写文件、发网络包、调用C/C++动态库、存储到数据库等等，这些场景必须明确指定编码规则，不然就会出现跨系统、跨平台的乱码问题。

如果没有这种拆分，要么你所有字符串操作都要手动处理编码，开发复杂度翻几倍；要么你没法适配不同场景对编码的要求，根本做不了跨平台、跨系统的开发。

内容的提问来源于stack exchange，提问作者john-lenon-dos-reis