c++ - 使用 JNI 和 C++ 将 Unicode const char* 转换为 JString

Question

简单的问题。如何使用 JNI 和 C++ 从 unicode const char* 中获取 jstring？

这是我的问题，以及我已经尝试过的:

const char* value = (some value from server);
(*env)->NewStringUTF(value);

这里的问题是 NewStringUTF 返回一个 UTF 字符串，并且它不喜欢某些非 UTF8 字符(有点明显，但值得简单尝试一下)。

尝试 2，使用 NewString:

const char* value = (some value from server);
(*env)->NewString(value, strlen(value));

虽然 NewString 接受并返回 unicode 字符串，但 strlen(value) 方法不起作用，因为它需要 jsize 参数，而不仅仅是一个好的 ol' size_t 或长度。

我们如何获得 jsize？根据(非常非常少量的)文档和在线示例，您可以从 jIntArray 中获取 jsize。我找不到有关如何将 const char* 转换为某种 jarray 的信息，无论如何，这可能是一个坏主意。

另一个选择是从 size_t 中的 int 中获取 jsize，我也没有成功。

有人遇到过这个问题，或者有关于如何解决这个问题的建议吗？看来 jsize 是我在 unicode 转换中缺少的关键。另外，我正在使用 JNI 和 Android NDK，以防它对任何人有帮助。

谢谢。

编辑我刚刚意识到 NewString 也需要 jchar*，所以它的签名是 (jchar*, jsize)。这意味着即使使用 jsize，const char* 也无法编译。

编辑2这是使用 NewStringUTF 方法时在运行时引发的异常。这与 @fadden 正在谈论的内容相关:

JNI WARNING: NewStringUTF input is not valid Modified UTF-8: illegal start byte 0xb7 03string: ' : Method(d6, us-dev1-api, 0), , 訩�x�m�P)

Answer 1

如错误消息所示，您的 char* 不是有效的 Modifed-utf8，因此 JVM 中止。

您有两种方法可以避免它们。

1. 检查 char* 内容以避免崩溃。

android ART check_jni.cc中的检查逻辑如下 https://android.googlesource.com/platform/art/+/35e827a/runtime/check_jni.cc#1273

jstring toJString(JNIEnv* env, const char* bytes) {
    const char* error = nullptr;
    auto utf8 = CheckUtfBytes(bytes, &error);
    if (error) {
        std::ostringstream msg;
        msg << error << " 0x" << std::hex << static_cast<int>(utf8);
        throw std::system_error(-1, std::generic_category(), msg.str());
    } else {
        return env->NewStringUTF(bytes);
    }

这样，您始终会获得有效的 jstring。

使用 String 构造函数从 jbyteArray 构建。

jstring toJString(JNIEnv *env, const char *pat) {
    int len = strlen(pat);
    jbyteArray bytes = env->NewByteArray(len);
    env->SetByteArrayRegion(bytes, 0, len, (jbyte *) pat);
    jstring encoding = env->NewStringUTF("utf-8");
    jstring jstr = (jstring) env->NewObject(java_lang_String_class,
            java_lang_String_init, bytes, encoding);
    env->DeleteLocalRef(encoding);
    env->DeleteLocalRef(bytes);
    return jstr;
}

这样，你只是避免了崩溃，但字符串可能仍然无效，并且你复制了两次内存，这表现得很糟糕。

加上代码:

inline bool checkUtfBytes(const char* bytes) {
  while (*bytes != '\0') {
    const uint8_t* utf8 = reinterpret_cast<const uint8_t*>(bytes++);
    // Switch on the high four bits.
    switch (*utf8 >> 4) {
      case 0x00:
      case 0x01:
      case 0x02:
      case 0x03:
      case 0x04:
      case 0x05:
      case 0x06:
      case 0x07:
        // Bit pattern 0xxx. No need for any extra bytes.
        break;
      case 0x08:
      case 0x09:
      case 0x0a:
      case 0x0b:
        // Bit patterns 10xx, which are illegal start bytes.
        return false;
      case 0x0f:
        // Bit pattern 1111, which might be the start of a 4 byte sequence.
        if ((*utf8 & 0x08) == 0) {
          // Bit pattern 1111 0xxx, which is the start of a 4 byte sequence.
          // We consume one continuation byte here, and fall through to consume two more.
          utf8 = reinterpret_cast<const uint8_t*>(bytes++);
          if ((*utf8 & 0xc0) != 0x80) {
            return false;
          }
        } else {
          return false;
        }
        // Fall through to the cases below to consume two more continuation bytes.
      case 0x0e:
        // Bit pattern 1110, so there are two additional bytes.
        utf8 = reinterpret_cast<const uint8_t*>(bytes++);
        if ((*utf8 & 0xc0) != 0x80) {
          return false;
        }
        // Fall through to consume one more continuation byte.
      case 0x0c:
      case 0x0d:
        // Bit pattern 110x, so there is one additional byte.
        utf8 = reinterpret_cast<const uint8_t*>(bytes++);
        if ((*utf8 & 0xc0) != 0x80) {
          return false;
        }
        break;
    }
  }
  return true;
}