将 ICU4C 字节转换为 java char

Question

我正在通过 JNI 访问一个 ICU4C 函数，该函数返回一个 UChar *（即 unicode 字符数组）......我能够通过将 UChar 数组的每个成员等同于本地 jbyte[] 数组来将其转换为 jbyteArray我创建然后使用 env->SetByteArrayRegion() 函数将其返回给 Java...现在我在 Java 中有 Byte[] 数组，但它几乎都是胡言乱语.. 充其量是奇怪的符号...我不确定问题可能出在哪里......如果这很重要，我正在使用unicode字符......如何在java中正确地将byte []转换为char []？有些东西没有正确映射......这是代码的sn-p：

---

--- JNI 代码（稍作改动以使其更短）---

static jint testFunction(JNIEnv* env, jclass c, jcharArray srcArray, jbyteArray destArray) {

    jchar* src = env->GetCharArrayElements(srcArray, NULL);
    int n = env->getArrayLength(srcArray);

    UChar *testStr = new UChar[n];
    jbyte destChr[n];

    //calling ICU4C function here    
    icu_function (src, testStr);   //takes source characters and returns UChar*

    for (int i=0; i<n; i++)
        destChr[i] = testStr[i];   //is this correct?

    delete testStr;
    env->SetByteArrayRegion(destArray, 0, n, destChr);
    env->ReleaseCharArrayElements(srcArray, src, JNI_ABORT);

    return (n); //anything for now
}

-- Java 代码-- 字符串 woohoo = "ABCD bal bla bla"; char[] myChars = woohoo.toCharArray();

byte[] myICUBytes = new byte[myChars.length];
int value = MyClass.testFunction (myChars, myICUBytes);

System.out.println(new String(myICUBytes)) ;// produces gibberish & weird symbols

---

我也尝试过：System.out.println(new String(myICUBytes, Charset.forName("UTF-16"))) 和它一样乱七八糟....

请注意，ICU 函数确实会在 UChar *... 中返回正确的 unicode 字符，介于转换为 jbyteArray 和正在搞砸的 Java 之间...

救命！

Answer 1

destChr[i] = testStr[i];   //is this correct?

这看起来是个问题。

JNI types:

byte   jbyte    signed 8 bits
char   jchar    unsigned 16 bits

ICU4C types:

如果是，则将 UChar 定义为 wchar_t 16 位宽；总是假定为 未签名。

如果 wchar_t 不是 16 位宽，那么 将 UChar 定义为 uint16_t 或 char16_t 因为 GCC >=4.4 可以处理 UTF16 字符串文字。这使得 UChar 平台相关的定义 但允许直接字符串类型 与平台的兼容性 16 位 wchar_t 类型。

因此，除了 icu_function 可能做的任何事情之外，您还试图将 16 位值适合 8 位宽的类型。

如果必须使用 Java 字节数组，我建议通过转码为 Unicode 编码转换为 8 位 char 类型。

套用some C code：

UChar *utf16 = (UChar*) malloc(len16 * sizeof(UChar));
//TODO: fill data
// convert to UTF-8
UConverter *encoding = ucnv_open("UTF-8", &status);
int len8 = ucnv_fromUChars(encoding, NULL, 0, utf16, len16, &status);
char *utf8 = (char*) malloc(len8 * sizeof(char));
ucnv_fromUChars(encoding, utf8, len8, utf16, len16, &status);
ucnv_close(encoding);
//TODO: char to jbyte

然后您可以使用 new String(myICUBytes, "UTF-8") 将其转码为 Java 字符串。

我使用 UTF-8 是因为它已经在我的示例代码中，您不必担心字节顺序。根据需要将我的 C 转换为 C++。

Answer 2

您是否考虑过使用 ICU4J？

此外，将字节转换为字符串时，您需要指定字符编码。我对相关库不熟悉，因此无法进一步建议您，但也许这将是“UTF-16”或类似的？

哦，另外值得注意的是，您可能只是收到显示错误，因为您要打印到的终端没有使用正确的字符集和/或没有可用的正确字形。