生成随机字符串

Question

我正在尝试在.NET中生成一个随机字符串并转换为字节，但遇到了一些困难。我想要包含所有可能字符的完整集合，我的理解是字符串可以包含任何字符。

目前我的代码如下：

var plainText = new StringBuilder();
for (int j = 0; j < stringLength; ++j)
{
    plainText.Append((char)_random.Next(char.MinValue, char.MaxValue));
}
byte[] x = Encoding.Unicode.GetBytes(plainText.ToString());
string result = Encoding.Unicode.GetString(x);

在理论上，plainText 和 result 应该是相同的。它们大多数情况下是相同的，但是一些原始字符丢失了，似乎是在55000-57000范围内的字符 - 它们被替换为字符65533。

我假设问题出在我的编码上，但我认为Unicode会正确处理这个问题。我已经尝试过UTF8和UTF32，但是这些都给我带来了同样的问题。

有什么想法吗？

- Joe Enos

---

奇怪？！Unicode 可能会出现问题，但是当你用 UTF-32 进行测试时呢？！ - TheHe

你想要实现什么目标？ - CodesInChaos

我猜你正在生成一个包含无配对代理字符的无效UTF-16字符串。 - CodesInChaos

@CodesInChaos 我正在编写一个加密库的测试，通过生成一个随机的Unicode字符串，对其进行加密、解密，并确保输入和输出完全相同。 - Joe Enos

加密库通常操作字节或字节块，因此仅生成随机字节数组可能更值得。 - nneonneo

@nneonneo 感谢您。这个加密库确实可以专门处理字节数组，但我提供了一种重载方法来加密字符串，首先将它们转换为字节数组，然后使用用户选择的任何编码来加密字节数组。这就是我测试随机Unicode字符串的原因，因此我可以确保这些重载方法适用于Unicode字符串。 - Joe Enos

Answer 1

问题在于范围为0xD800-0xDFFF（55296-57343）的字符，称为Unicode代理字符，在其自身上不是有效的。它们必须以一对出现（先是0xD800-0xDBFF，后是0xDC00-0xDFFF），才能有效（在UTF-16编码方案中）。孤立存在时，它们将被视为无效字符，并解码为0xFFFD（65533）。C＃使用UTF-16表示其字符串，这就是为什么您看到该输出的原因。

您可以选择过滤掉它们（例如调用_random.Next直到获得非代理字符），或者每次生成代理字符时生成合法的代理对。

- nneonneo

---

太棒了，谢谢。我以前没有处理过代理字符。 - Joe Enos

Answer 2

这些是代理字符55296-57343（0xD800-0xDFFF）。您需要正确配对它们。在UTF-16中，一对代理字符描述一个Unicode代码点。

您似乎认为char和代码点是相同的东西。这不是真的，有超过2^16个代码点。

我建议阅读UTF-16维基百科文章。

- CodesInChaos