将ICU4C字节转换为java字符

Question

我正在通过JNI访问一个ICU4C函数，它返回一个UChar *(即unicode字符数组).通过将UChar数组的每个成员等效为我创建的本地jbyte[]数组，可以将其转换为Java，然后使用env->SetByteArrayRegion()函数将其返回给jbyte[].现在我有了Java中的Byte[]数组，但这几乎是胡说八道。奇怪的符号充其量..。我不知道问题出在哪里.我在处理unicode字符如果这重要的话..。如何正确地将byte[]转换为java中的char[]？有些东西被映射的不对..。下面是代码的一个片段：

- JNI代码(修改打火机使其更短)

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wohoo = "ABCD bal bla bla"；char[] myChars = wohoo.toCharArray()；

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

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

我也试过了:System.out.println(新字符串(myICUBytes，Charset.forName(“UTF-16”))，它也很有趣.

请注意，ICU函数确实返回了UChar *.中的适当unicode字符。在转换到jbyteArray和Java之间的某个地方正在搞砸.

帮助!

Answer 1

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

这看起来是个问题，好吧。

JNI类型

byte   jbyte    signed 8 bits
char   jchar    unsigned 16 bits

ICU4C类型

如果UChar宽为16位，则将其定义为wchar_t；始终假定为无符号。 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字符串文本。这使得UChar的定义依赖于平台，但允许直接字符串类型与具有16位wchar_t类型的平台兼容。

因此，除了icu_function可能做的任何事情之外，您还试图将一个16位值放入8位宽的类型中。

如果必须使用Java字节数组，我建议通过将代码转换为Unicode编码将其转换为8位char类型。

转译一些C代码

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")将其转换为Java。

我使用了UTF-8，因为它已经在我的示例代码中了，您不必担心endianness。酌情将我的C转换为C++。

Answer 2

你考虑过使用ICU4J吗？

此外，在将字节转换为字符串时，需要指定字符编码。我对图书馆不熟悉，所以我不能进一步建议你，但也许这是"UTF-16“或类似的？

哦，还值得注意的是，您可能只是收到显示错误，因为您要打印的终端没有使用正确的字符集和/或没有正确的符号可用。