Question

我试图通过java.nio.ByteBuffer读取UTF8字符串。大小是一个unsinged int，当然，Java没有。我把这个值读成了很长的一段，以便我有了价值。

我的下一个问题是我无法使用long创建一个字节数组，并且将其长时间转换为int会导致它被签名。

我也试过在缓冲区上使用limit（），但是再次使用int不长。

我正在做的具体事情是从类文件中读取UTF8字符串，因此缓冲区中有更多只是UTF8字符串。

有关如何从ByteBuffer读取具有无符号整数int的UTF8字符串的任何想法。

编辑：

SourceDebugExtension_attribute {
       u2 attribute_name_index;
       u4 attribute_length;
       u1 debug_extension[attribute_length];
    }

attribute_name_index
    The value of the attribute_name_index item must be a valid index into the constant_pool table. The constant_pool entry at that index must be a CONSTANT_Utf8_info structure representing the string "SourceDebugExtension".

attribute_length
    The value of the attribute_length item indicates the length of the attribute, excluding the initial six bytes. The value of the attribute_length item is thus the number of bytes in the debug_extension[] item.

debug_extension[]
    The debug_extension array holds a string, which must be in UTF-8 format. There is no terminating zero byte.

    The string in the debug_extension item will be interpreted as extended debugging information. The content of this string has no semantic effect on the Java Virtual Machine.

因此，从技术角度来看，类文件中的字符串可能是完整的u4（无符号，4字节）长度。

如果对UTF8字符串的大小有限制，这些不会成为问题（我不是UTF8专家，所以可能存在这样的限制）。

我可以对它进行试探，并且考虑到不会有长篇字符串的现实......

Answer 1

除非您的字节数组超过2GB（Java int的最大正值），否则将long转换回签名int不会有问题}。

如果您的字节数组长度需要超过2GB，那么您做错了，尤其是因为这比JVM的默认最大堆大小更多......

Answer 2

签署int不会是你的主要问题。假设你有一个长度为40亿的字符串。你需要一个至少为4 GB的ByteBuffer，一个至少为4 GB的byte []。将此转换为String时，至少需要8 GB（每个字符2个字节）和一个StringBuilder来构建它。（至少8 GB）所有你需要的，24 GB处理1字符串。即使你有很多记忆，你也不会得到这么大的字符串。

另一种方法是将长度视为已签名，如果未签名则视为错误，因为在任何情况下您都没有足够的内存来处理String。即使要处理长度为20亿（2 ^ 31-1）的字符串，您也需要12 GB才能将其转换为字符串。

Answer 3

Java数组使用（Java，即signed）int进行访问as per the languge spec，因此不可能有一个字符串（由char数组支持）比Integer.MAX_INT

更长

但即使这样做太多了，无法在一个块中进行处理 - 如果遇到足够大的String，它会完全破坏性能并使程序在大多数机器上出现OutOfMemoryError失败。

你应该做的是处理任何合理大小的字符串，一次说几个megs。那么你可以处理的大小没有实际限制。

Answer 4

我猜你可以在ByteBuffer之上实现CharSequence。这将允许你保持你的“字符串”不会出现在堆上，尽管大多数处理字符的实用程序实际上都期望一个字符串。即便如此，CharSequence实际上也有限制。它希望将大小作为int返回。

（理论上你可以创建一个新版本的CharSequence，它返回大小的长度，但是Java中没有任何东西可以帮助你处理CharSequence。也许如果你实现{{3}会很有用返回一个普通的CharSequence。）

从ByteBuffer读取UTF-8字符串，其中length是unsigned int

4 个答案: