对Java字符串中的二进制数据进行bencoding

Question

我正在使用bencoding，我希望将bencoded字符串保留为Java字符串，但它们包含二进制数据，因此盲目地将它们转换为字符串将破坏数据。我正在尝试完成的是一个转换函数，它将保持ASCII字节为ASCII，并以可逆的方式编码非ASCII字符。

我已经找到了一些我试图用Python实现的示例，但我对Python的了解还不够深入。This decoder做的正是我想做的: torrent的ASCII部分保留为ASCII，但sha1散列打印为"\xd8r\xe7“。虽然我的Python知识非常有限，但他似乎并没有对字符串做任何特殊的处理；这是由Python解释器处理的吗？我能在Java中实现同样的功能吗？

我尝试过一些编码，如Base64或使用Integer.toHexString，但最终得到的ASCII码字符串无法读取。

我还发现了一个可以打印除sha1散列之外的所有内容的scheme example。

Answer 1

本编码串是字节串。您可以尝试使用String(byte[] bytes, Charset charset)在Java语言中将字节字符串解码为unicode代码点。使用某些编码(如ISO-8859-1 )进行解码将始终成功，因为任何字节都会直接映射到码点。对于许多这样的编码(包括ISO-8859-1)，这个过程也是可逆的。

Answer 2

如果为Wikipedia is accurate on Bencode，则格式看起来足够简单。直接解析byte数据：

while (true) {
  in.mark(1);
  int n = in.read();
  if (n < 0) {
    // end of input
    break;
  }
  in.reset();
  // take advantage of some UTF-16 values == ASCII values
  if (n == 'd') {
    // parse dictionary
  } else if (n == 'i') {
    // parse int
  } else if (n >= '0' && n <= '9') {
    // parse binary string
  } else if (n == 'l') {
    // parse list
  } else {
    throw new IOException("Invalid input");
  }

将二进制字符串存储为仅在显式执行时才将其转换为ASCII码的类型，如此toString调用所示：

public class ByteString {
  private final byte[] data;

  public ByteString(byte[] data) { this.data = data.clone(); }
  public byte[] getData() { return data.clone(); }

  @Override public String toString() {
    return new String(data, Charset.forName("US-ASCII"));
  }
}