uint8array和string的互转

互转的方法相信网上一搜有一大堆,都是比较简单的互转没有考虑到中文或者是偏僻的中文。

理论上来说,互转的话,转过去再转回来应该是同一个东西,打印的内容应该一致,我们来尝试一下网上给出的方法:


function Uint8ArrayToString(fileData){
  var dataString = "";
  for (var i = 0; i < fileData.length; i++) {
    dataString += String.fromCharCode(fileData[i]);
  }
 
  return dataString
}


function stringToUint8Array(str){
  var arr = [];
  for (var i = 0, j = str.length; i < j; ++i) {
    arr.push(str.charCodeAt(i));
  }
 
  var tmpUint8Array = new Uint8Array(arr);
  return tmpUint8Array
}

我们的实验代码也很简单:

var before= "𠮷中a";
var after = Uint8ArrayToString(stringToUint8Array(origin))
console.log(before,"===",after,before===after);

打印结果:


结果

什么鬼!!完全不一致。

不过要是我们的字符串中只有简单字符,这种转换也够我们使用了。

再解开谜题之前,我们先复习一下功课
总结成图表就是下面这个:

二进制表示
UTF-8:
     1字节 0xxxxxxx                                                 提供7个有效位
     2字节 110xxxxx 10xxxxxx                                        提供11个有效位
     3字节 1110xxxx 10xxxxxx 10xxxxxx                               提供16个有效位
     4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx                      提供21个有效位,下面两个不大用到
     5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx             提供26个有效位
     6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx    提供31个有效位

UTF-16:
    小于等于0xFFFF的字符 
                            直接用0xFFFF 填充码点
    大于0xFFFF的字符需要把码点减去0x10000,然后再填充到下面两个UTF-16中,即32位
                            1101 10xx xxxxxxxx       1101 11xx xxxxxxxx
                            即第一个开头必须是1101 10;第二个开头必须是1101 11   提供20个有效位

上面的x代表了码点填充的有效位置,可1可0。

我们的JavaScript/Java语言都是使用UTF-16作为字符编码格式。

1 对中文字单独分析

let ch1= '中';
let ch2 = '𠮷';
console.log("中.length="+ch1.length+",unicode="+ch1.charCodeAt(0));
console.log("𠮷.length="+ch2 .length+",unicode="+ch2 .charCodeAt(0)+",unicode2="+ch2 .charCodeAt(1));
分析汉字

同样是中文,由于'中'的unicode码点小于0x10000,所以用一个UTF-16就可以表示,而'𠮷'的unicode大于0xFFFF,所以用了两个UTF-16,我们看到他的length是2.
而我们的Uin8Array单个元素只能存最大0xFF,而中文字都大于0xFF,用上面网上搜的方法不足以存下完整数据,所以这就导致一次来回转换数据丢失了。

一般情况下,我们想用Uint8Array保存的是字符串的UTF-8编码时候的序列。所以对任意字符串,我们首先要取到每个字的unicode码点,然后再对照UTF-8的编码方式填入Uin8Array。
取出来的时候当然也是先把UTF-8的编码转成unicode码点,然后按照UTF-16的形式转成字符串。
用图表示就是:

string 转 Uint8Array
char --> UTF-16 -> Unicode->UTF8 -> Uin8Array

Uint8Array 转string
就是上面的序列反过来

由于我是在cocos creator环境下使用TypeScript,我编写了如下的类:

interface UnicodeOk {
    unicode?: number
    ok: boolean
}

interface UnicodeLen {
    unicode?: number
    len: number
}

export class BufferBigEndian {
    buffer: number[];//uint8array
    private readOffset: number;

    constructor() {
        this.buffer = [];
        this.readOffset = 0;
    }

    initWithUint8Array(array: ArrayLike<number>, len?: number) {
        len = len || array.length;
        this.buffer = [];
        for (let i = 0; i < len && i < array.length; i++)
            this.buffer[i] = array[i];
        this.readOffset = 0;
    }

    getUint8(): number {
        // console.log("getUint8 readOffset=" + this.readOffset + ",total=" + this.buffer.length);
        if (this.readOffset + 1 > this.buffer.length)
            return null;
        return this.buffer[this.readOffset++];
    }

    pushUint8(value: number): void {
        if (value > 255)
            throw Error("BufferBigEndian pushUint8 value need <= 255");
        this.buffer.push(value);
    }

    getUint16(): number {
        if (this.readOffset + 2 > this.buffer.length)
            return null;
        let uint1 = this.getUint8();
        let uint2 = this.getUint8();
        return (uint1 << 8) | uint2;
    }

    pushUint16(value: number): void {
        this.pushUint8((value >> 8) & 0xFF);
        this.pushUint8(value & 0xFF);
    }

    getUint32(): number {
        /*
        实验:
         let a = 34302;
         let b = 32200;
         console.log("a << 16 | b=" + (a << 16 | b) + ",a * 65536 + b=" + (a * 65536 + b)
         + ",(a * 65536) | b=" + ((a * 65536) | b) + ",(a << 16) + b=" + ((a << 16) + b));
         实际打印结果 a << 16 | b=-2046919224,a * 65536 + b=2248048072,
         (a * 65536) | b=-2046919224,(a << 16) + b=-2046919224
         结果表明 js的位运算仅限在4字节32位。如果想要扩展到8字节64位,那么只能用乘除加减的方法。
         */
        if (this.readOffset + 4 > this.buffer.length)
            return null;
        let uint1 = this.getUint16();
        let uint2 = this.getUint16();
        return uint1 * 65536 + uint2;
    }

    pushUint32(value: number): void {
        /*
        这里可以直接这样使用。
        buf.initWithUint8Array([]);
        buf.pushUint32(2248048072);
        console.log("2248048072 uint16 =" + buf.getUint16() + ",uint16=" + buf.getUint16());
        buf.changeReadOffset(-4);
        console.log("2248048072 uint32 =" + buf.getUint32());
         */
        this.pushUint16((value >> 16) & 0xFFFF);
        this.pushUint16(value & 0xFFFF);
    }

    getInt64(): number {
        let hi = this.getUint32();
        // console.log("hi=" + hi);
        let lo = this.getUint32();
        // console.log("lo=" + lo);
        if (hi >> 31 == 1)
            return -(hi * 4294967296 + lo);
        return hi * 4294967296 + lo;
    }

    pushUnicodeWithUtf8(value: number): void {
        // console.log("encodeUnicode value=" + value);
        if (value <= 0x7F) {
            this.pushUint8(value);
        } else if (value <= 0xFF) {
            this.pushUint8((value >> 6) | 0xC0);
            this.pushUint8((value & 0x3F) | 0x80);
        } else if (value <= 0xFFFF) {
            this.pushUint8((value >> 12) | 0xE0);
            this.pushUint8(((value >> 6) & 0x3F) | 0x80);
            this.pushUint8((value & 0x3F) | 0x80);
        } else if (value <= 0x1FFFFF) {
            this.pushUint8((value >> 18) | 0xF0);
            this.pushUint8(((value >> 12) & 0x3F) | 0x80);
            this.pushUint8(((value >> 6) & 0x3F) | 0x80);
            this.pushUint8((value & 0x3F) | 0x80);
        } else if (value <= 0x3FFFFFF) {//后面两种情况一般不大接触到,看了下protobuf.js中的utf8,他没去实现
            this.pushUint8((value >> 24) | 0xF8);
            this.pushUint8(((value >> 18) & 0x3F) | 0x80);
            this.pushUint8(((value >> 12) & 0x3F) | 0x80);
            this.pushUint8(((value >> 6) & 0x3F) | 0x80);
            this.pushUint8((value & 0x3F) | 0x80);
        } else {//Math.pow(2, 32) - 1
            this.pushUint8((value >> 30) & 0x1 | 0xFC);
            this.pushUint8(((value >> 24) & 0x3F) | 0x80);
            this.pushUint8(((value >> 18) & 0x3F) | 0x80);
            this.pushUint8(((value >> 12) & 0x3F) | 0x80);
            this.pushUint8(((value >> 6) & 0x3F) | 0x80);
            this.pushUint8((value & 0x3F) | 0x80);
        }
    }

    getUnicodeWithUtf8(): UnicodeLen {
        let result;
        let start = this.getUint8();
        if (start == null)
            return null;
        let n = 7;
        while (((start >> n) & 1) == 1)
            n--;
        n = 7 - n;
        if (n == 0)
            result = start;
        else
            result = start & (Math.pow(2, 7 - n) - 1);
        // console.log("start=" + start.toString(16).toUpperCase() + ",n=" + n + ",result=" + result);
        for (let i = 1; i < n; i++) {
            let follow = this.getUint8();
            if ((follow & 0x80) == 0x80) {
                result = result << 6 | (follow & 0x3F);
            } else {
                //不是标准的UTF8字符串。。我们直接取第一个。
                result = start;
                this.changeReadOffset(1 - n);
                n = 0;
                break;
            }
        }
        return {unicode: result, len: n == 0 ? 1 : n};
    }

    parseUnicodeFromUtf16(ch1: number, ch2: number): UnicodeOk {
        if ((ch1 & 0xFC00) === 0xD800 && (ch2 & 0xFC00) === 0xDC00) {
            return {unicode: (((ch1 & 0x3FF) << 10) | (ch2 & 0x3FF)) + 0x10000, ok: true}
        }
        return {ok: false}
    }

    pushStringWithUtf8(value: string): number {
        let oldlen = this.buffer.length;
        for (let i = 0; i < value.length; i++) {
            let ch1 = value.charCodeAt(i);
            // console.log("pushStringWithUtf8 i=" + i + ",ch1=" + ch1 + "," + ch1.toString(16).toUpperCase());
            if (ch1 < 128)
                this.pushUnicodeWithUtf8(ch1);
            else if (ch1 < 2048) {
                this.pushUnicodeWithUtf8(ch1);
            } else {
                let ch2 = value.charCodeAt(i + 1);
                // console.log("pushStringWithUtf8 i=" + i + ",ch2=" + ch2 + "," + ch2.toString(16).toUpperCase());
                let unicodeOk = this.parseUnicodeFromUtf16(ch1, ch2);
                // console.log("unicodeOk=" + JSON.stringify(unicodeOk));
                if (unicodeOk.ok) {
                    this.pushUnicodeWithUtf8(unicodeOk.unicode);
                    i++;
                } else {
                    this.pushUnicodeWithUtf8(ch1);
                }
            }
        }
        return this.buffer.length - oldlen;
    }

    getStringWithUtf8(len: number): string {
        if (len < 1)
            return "";
        // console.log("this.readOffset=" + this.readOffset + ",len=" + len + ",total=" + this.buffer.length);
        if (this.readOffset + len > this.buffer.length)
            return "";
        let str = "";
        let read = 0;
        while (read < len) {
            let unicodeLen = this.getUnicodeWithUtf8();
            if (!unicodeLen) {
                break;
            }
            read += unicodeLen.len;
            // console.log("read unicode=" + JSON.stringify(unicodeLen));
            if (unicodeLen.unicode < 0x10000) {
                str += String.fromCharCode(unicodeLen.unicode);
            } else {
                let minus = unicodeLen.unicode - 0x10000;
                let ch1 = (minus >> 10) | 0xD800;
                let ch2 = (minus & 0x3FF) | 0xDC00;
                str += String.fromCharCode(ch1, ch2)
            }
        }
        // console.log("getStringWithUtf8 len=" + len + ",str.len=" + str.length);
        return str;
    }

    pushStringWithUtf16(value: string): number {
        let oldlen = this.buffer.length;
        for (let i = 0; i < value.length; i++) {
            let ch = value[i].charCodeAt(0);
            this.pushUint16(ch);
        }
        return this.buffer.length - oldlen;
    }

    getStringWithUtf16(len: number): string {
        if (len < 1)
            return "";
        if (this.readOffset + len > this.buffer.length || len % 2 != 0)
            return "";
        let str = "";
        for (let i = 0; i < len; i += 2) {
            let ch1 = this.getUint16();
            let ch2 = this.getUint16();
            str += String.fromCharCode(ch1, ch2);
        }
        return str;
    }

    pushUint8List(val: ArrayLike<number>) {
        for (let i = 0; i < val.length; i++)
            this.pushUint8(val[i]);
    }

    getUint8List(len?: number): Uint8Array {
        len = len || this.buffer.length;
        return new Uint8Array(this.buffer.slice(this.readOffset, this.readOffset + len));
    }

    tostring(): string {
        let result = "";
        for (let i = 0; i < this.buffer.length; i++) {
            let ch = this.buffer[i].toString(16);
            result += ch.length == 1 ? "0" + ch.toUpperCase() : ch.toUpperCase();
        }
        return result;
    }

    toUint8Array(): Uint8Array {
        let array = new Uint8Array(this.buffer.length);
        for (let i = 0; i < this.buffer.length; i++)
            array[i] = this.buffer[i];
        return array;
    }

    changeReadOffset(len: number) {
        this.readOffset = Math.max(0, Math.min(this.buffer.length, this.readOffset + len))
    }
}
测试代码
let str0 = '𠮷';
let str1 = '中';//𝌆𠮷
let str2 = 'a';
let strAll = str0 + str1 + str2;
let buf = new BufferBigEndian();
let len = buf.pushStringWithUtf8(strAll);
console.log("buffer HEX=" + buf.tostring(), "encodeURI=" + encodeURI(strAll));
console.log("转换前:" + strAll + ",转换后:" + buf.getStringWithUtf8(len));
打印结果

这就是我们要的结果了。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,839评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,543评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,116评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,371评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,384评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,111评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,416评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,053评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,558评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,007评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,117评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,756评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,324评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,315评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,539评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,578评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,877评论 2 345

推荐阅读更多精彩内容