Flash CS4/AS3:控制台和文本区域之间打印UTF-16字符的不同行为

Question

trace(escape("д"));

将打印"%D0%B4"，这是该字符的正确URL编码(西里尔文相当于"A")。

然而，如果我要做..

myTextArea.htmlText += unescape("%D0%B4");

打印的内容是：

--

这当然是不正确的。不过，简单地跟踪上面的未转义将返回正确的西里尔文字符！对于这个文本区域，转义"д“将返回其unicode代码点"%u0434”。

我不知道到底发生了什么把事情搞砸了，但是...

web编码中的UTF-16为：%FE%FF%00%D0%00%B4

鉴于

web编码中的UTF-16д为：%00%D0%00%B4

所以它在开始的时候填充了这个值。为什么跟踪提供的文本与打印到(空)文本区域的文本不同？怎么回事？

有问题的文本区域没有附加任何奇怪的编码属性，如果这种事情是可能的话。

Answer 1

问题出在unescape (escape也可能是一个问题，但在本例中它不是罪魁祸首)。这些函数不支持多字节。escape所做的是这样的:它接受输入字符串中的一个字节，并返回其十六进制表示形式，并在前面加上一个%。unescape做了相反的事情。这里的关键点是它们使用字节，而不是字符。

您需要的是encodeURIComponent / decodeURIComponent。两者都使用utf-8作为字符串编码方案(由flash everywhere使用的编码)。请注意，它不是utf-16 (只要涉及到flash，您就不应该关心它)。

encodeURIComponent("д"); //%D0%B4
decodeURIComponent("%D0%B4"); // д

现在，如果您想更深入地研究，这里是正在发生的事情(这假设您对utf-8的工作原理有基本的了解)。

escape("д")

这将返回

%D0%B4

为什么？

flash将"д“视为utf-8。此字符的代码点是0x0434。

以二进制表示：

0000 0100 0011 0100

它适合两个utf-8字节，所以它是这样编码的(其中e表示编码位，p表示有效载荷位)：

1101 0000 1011 0100
eeep pppp eepp pppp 

将其转换为十六进制，我们得到：

0xd0  0xb4

因此，0xd0,0xb4是一个utf-8编码的"д“。

这是提供给escape的。escape会看到两个字节，并提供给您：

%d0%b4

现在，将这个传递给unescape。但是unescape有点脑死亡，所以它总是认为一个字节和一个字符是一回事。就unescape而言，您有两个字节，因此，您有两个字符。如果您查找0xd0和0xb4的代码点，您将看到：

0xd0 -> Ð
0xb4 -> ´

因此，unescape返回一个由两个字符组成的字符串，Ð和´ (而不是计算出它得到的两个字节实际上只有一个字符，utf-8编码)。然后，当您分配text属性时，您实际上并没有传递д´ but-`，这是您在文本区域中看到的内容。