http - 解析 HTTP - Bytes.length != String.length

Question

我通过 nio.SocketChannel 使用 HTTP，所以我得到的数据 block 是 Array[Byte]。我想将这些 block 放入解析器中，并在每个 block 放入后继续解析。

HTTP 本身似乎使用 ISO8859-Charset，但 Payload/Body 本身可能是任意编码的:如果 HTTP Content-Length 指定 X 字节，则 UTF8 解码的 Body 可能具有更少的字符(1 个字符在 UTF8 中可能由 2 个字节等表示)。

那么什么是一个好的解析策略来遵守明确指定的内容长度和/或传输编码:分块，它指定要遵守的 block 长度。

• 将每个数据 block 附加到 mutable.ArrayBuffer[Byte]，在字节中搜索 CRLF，解码​​从 0 到 CRLF 到字符串的所有内容，并与 StatusRegex、HeaderRegex 等正则表达式匹配，等等？
• 使用适当的字符集(例如 iso8859、utf8 等)解码每个数据 block 并添加到 StringBuilder。使用此解决方案，我无法遵守任何 Content-Length 或 Chunk-Size，但是..我必须关心它吗？
• 任何其他解决方案...？

Answer 1

您可以使用 UTF-16，它无论如何都是 Java 的内部字符串表示形式。每个字符占 2 个字节，除非有代理项。因此，您可以扫描字符串中的代理字符，直到达到允许的长度，适本地考虑它们，然后只复制子字符串。