Java 和 C 是否以相同的方式表示 UTF char 字节？

Question

我正在将一个字节数组从 Java 传递给 C，我认为 Java 和 C 以相同的方式表示 UTF char 字节。

我可以这样做吗：

jbyte *bytePtr = (*env)->GetByteArrayElements(env, javaByteArray, NULL);

// javaByteArray has java bytes for the UTF chars: 'A', 'B', 'C'

unsigned char *bytePtrC = (unsigned char *) bytePtr;

printf("%c %c %c \n", bytePtrC, bytePtrC+1, bytePtrC+2);

// will this print A B C ?

Answer 1

没有。

二进制字节数组表示像两条短裤一样的数据是相同的。

文本是另一回事。 Java 在设计上具有 Unicode 中的 text (String, char)，char 是一个两字节的 UTF-16 值。从byte[] 到String 的转换总是会使用这些字节的某种编码。

在java中有一个：

byte[] bytes = string.getBytes(StandardCharsets.UTF_8);

这几乎是一个 C 数组，但对于这些差异：

• bytes.length 作为字段
• C 有一个额外的终止 nul 字符：'\0'
• java 字符串可以包含一个空字符；一些课程 (DataOutputStream.writeUTF8) 也将以多字节序列对其进行编码，以便与 C 字符串进行互操作。 这称为改良的 UTF-8。

但没有真正的问题。只保证：

• 使用String.getBytes(StandardCharsets.UTF_8) 而不是String.getBytes()。
• 使用new String(bytes, StandardCharsets.UTF_8) 而不是new String(bytes)。
• 永远不要将 String 和 char 用于二进制数据，因为有人会使用 C unsigned char*。它将使用两倍的内存，来回转换很慢，可能会损坏数据。
• 关于二进制数据 (ByteBuffer.order)：short、int、long 等在 java 中是 big-endian。

由于后面的版本使用平台的默认编码，不可移植。