C#中string在内存中是如何表示的

不知道你是否有过和我一样的疑问，不同编码的字符串是如何存储在运行时的内存中的呢，计算机在操作string类型的对象时，如何知道这个string是什么编码呢？和文本文件那样有类似BOM的东东在string对象里？

答案是，内存中是无关编码的。统一使用UCS2（注意，这里为什么不说是UTF16，见下文）编码（大小端应该是和计算机CPU有关，intel的应该是小端）存放在内存中。

string对象和IO交互时，分别根据方法中的Encoding去处理来自IO的字节，或者转换成Encoding所指示的编码的字节流作为IO输出。

另外，上文提到内存中使用的是UCS2而不是UTF16，意思是，对于Unicode编码值大于0xFFFF的编码，C#和java一样，是转换成“代理对”（2*2字节）表示的。所以，如果string中含有类似emoji那样的“大”字符时，string的Length方法返回的字符串长度是不正确的。解决方案是，使用StringInfo类中的LengthInTextElements。

PS：System.Text.Encoding中的Unicode和BigEndianUnicode实际是UTF16，微软一定有它的道理。只是我不清楚。