我可以请求帮助将UTF-16数据流拆分成块吗?
不幸的是找到字母边界很痛苦。
任何帮助表示赞赏,已经花了好几个晚上,很想了解这个问题。
Java版本工作正常(有没有任何自动更正,因为即使分割前两个字节输出提供正确的字符串作为part2?):
v
Java输出:
public static void main(String[] args) throws Exception {
String encoding = "UTF-16";
byte[] data = "ČŘŠŤĎŽŇčřšťďňě".getBytes(encoding);
System.out.println("Data size: "+data.length);
for(int index=2; index<= data.length / 2; index+=2)
{
byte[] part1 = java.util.Arrays.copyOfRange(data, 0, index);
byte[] part2 = java.util.Arrays.copyOfRange(data, index, data.length);
assert(part1.length + part2.length == data.length);
System.out.println("--------------------- "+index);
System.out.println(new String(part1, encoding));
System.out.println(new String(part2, encoding));
}
}
Swift(Xcode 8 beta 6,Swift 3)游乐场代码:
Data size: 30
--------------------- 2
ČŘŠŤĎŽŇčřšťďňě
--------------------- 4
Č
ŘŠŤĎŽŇčřšťďňě
--------------------- 6
ČŘ
ŠŤĎŽŇčřšťďňě
--------------------- 8
....
快速输出:
import Foundation
let encoding = String.Encoding.utf16
let data = "ČŘŠŤĎŽŇčřšťďňě".data(using: encoding)!
print("Data size: \(data.count)")
for index in stride(from: 2, to: data.count/2, by: 2)
{
let part1 = data.subdata(in: 0..<index)
let part2 = data.subdata(in: index..<data.count)
assert(part1.count + part2.count == data.count)
print("--------------------- \(index)")
print(String(data: part1, encoding: encoding))
print(String(data: part2, encoding: encoding))
}
如果我将swift编码更改为String.Encoding.utf8,则输出符合预期,但对于utf16和utf32,我不明白发生了什么。
感谢。
答案 0 :(得分:0)
简答:使用utf16LittleEndian
或utf16BigEndian
编码
获得预期的结果:
Data size: 28 --------------------- 2 Optional("Č") Optional("ŘŠŤĎŽŇčřšťďňě") --------------------- 4 Optional("ČŘ") Optional("ŠŤĎŽŇčřšťďňě") --------------------- 6 Optional("ČŘŠ") Optional("ŤĎŽŇčřšťďňě") ...
更长的答案: utf16
编码将字符串转换为little-endian
UTF-16数据,以字节顺序标记为前缀:
let data = "abc".data(using: .utf16)!
print(data as NSData) // <fffe6100 62006300>
当数据分为两部分时,第二部分则没有 领先的字节顺序标记:
let part1 = data.subdata(in: 0..<4)
let part2 = data.subdata(in: 4..<8)
print(part1 as NSData, part2 as NSData) // <fffe6100> <62006300>
显然,没有字节顺序标记的部分被错误地转换 它是现在假设的 big-endian 字节顺序:
print(String(data: part1, encoding: .utf16)) // Optional("a")
print(String(data: part2, encoding: .utf16)) // Optional("戀挀")
print(String(data: part2, encoding: .utf16LittleEndian)) // Optional("bc")