c ++ std :: vector <byte>转换为UTF16编码的字符串

Question

我正在开发一个应用程序，其中使用Java JCA AES加密在c ++应用程序内部解密的字符串值。我正在使用crypto ++库进行解密，并且能够恢复原始字节，但是停留在最后一步，我需要将它们转换回原始UTF16编码的字符串。我将字节存储在std :: vector数据结构中。 向量的内容（以十六进制表示）{fe ff 00 49 00 6c 00 6f 00 76 00 65 00 6a 00 61 00 76 00 61}

如何将其转换为UTF16字符串？

Answer 1

首先，在C ++ 11中，您具有char16_t和std::u16string，它们分别表示UTF-16代码点和UTF-16编码的字符串。此外，您可以使用std::codecvt在UTF-16和其他表示形式（UTF-8，wchar_t的平台版本等）之间来回转换

因此，您可以使用字符串中的数据。但是，首先您必须将其从字节向量转换为char16_t序列，因此首先需要检查字节是否实际为偶数，然后将其复制或reinterpret_cast作为char16_t。但是，在执行此操作之前，您需要处理可能endianness的数据和平台的数据。

在您显示的特定数据样本中，前几个字节是FE和FF，很有可能是the byte order mark，这是一个精确用来区分平台字节序的字符。非常概括地说，U + FEFF在计算机上可能显示为字节（FE FF）或（FF FE）。如果您的平台与数据流的字节顺序相反，则将第一个字符读取为U + FFFE，这是一个故意留空且永远不会出现的插槽，因此您必须交换整个流的字节。否则，如果您正确读取了U + FEFF，则只需保留流不变，然后继续将字节解释为char16_t。

请注意，这可能是，因为输入流特别将此标记作为第一个字符；否则，您将无法确定是否肯定缺少将流标记为UTF-16LE（小端）或UTF-16BE（大端）的外部元数据。在某些情况下，存在此类元数据（例如，因为Java语言规范可能会这样说），但在其他情况下，缺少BOM会导致应用启发式方法。例如，如果您知道文本主要是英语，则应该有很多00个字节，并且您可以看到它们最终以偶数还是奇数结尾...但是这有失败的可能，也许您看到的是中文文字，并且没有太多的空值。