Chinaunix首页 | 论坛 | 博客
  • 博客访问: 1994091
  • 博文数量: 960
  • 博客积分: 52560
  • 博客等级: 大将
  • 技术积分: 13131
  • 用 户 组: 普通用户
  • 注册时间: 2008-07-31 14:15
文章分类

全部博文(960)

文章存档

2011年(1)

2008年(959)

我的朋友

分类: C/C++

2008-08-01 17:09:05

下载本文示例代码
  由于工作关系,需要利用JNI在C 与Java程序之间进行方法调用和数据传递,但以前总是在英文环境下工作,对中文(其他语言编码同理)问题反倒没有太关注,最近抽了点时间研究了一下,将自己的体会整理如下,供大家讨论或参考。
在进一步讨论之前,有几点基础知识需要说明:
  1. 在Java内部,所有的字符串编码采用的是Unicode即UCS-2。Unicode是用两个字节表示每个字符的字符编码方案。Unicode有一个特性:它包括了世界上所有的字符字形。所以,各个地区的语言都可以建立与Unicode的映射关系,而Java正是利用了这一点以达到异种语言之间的转换;
  2. UTF-8是另一种不同于UCS-2/UCS-4的编码方案,其中UTF代表UCS Transformation Format,它采用变长的方式进行编码,编码长度可以是1~3(据说理论上最长可以到6,不懂)。
    由于UCS-2/UCS-4编码定长的原因,编码产生的字符串会包含一些特殊的字符,如\0(即0x0,所有0~256的字符Unicode编码的第一个字节),这在有些情况下(如传输或解析时)会给我们带来一些麻烦,而且对于一般的英文字母浪费了太多的空间,此外,据说UTF-8还有Unicode所没有的纠错能力(不懂!),因此,Unicode往往只是被用作一种中间码,用于逻辑表示。关于Unicode/UTF-8的更多信息,见参考1;

  Java中文乱码问题在很多情况下都可能发生:不同应用间,不同平台间等等,但以上问题已有大量优秀的文章讨论过,这里不作深入探讨,详见参考2、3、4、5。下面简要总结一下:

  1. 当我们使用默认编码方式保存源文件时,文件内容实际上是按照我们的系统设定进行编码保存的,这个设定值即file.encoding可以通过下面的程序获得:
    
    public class Encoding {
    
        public static void main(String[] args) {
    
            System.out.println(System.getProperty("file.encoding"));
    
        }
    
    }
    
    
    javac在不指定encoding参数时,如果区域设定不正确,则可能造成编/解码错误,这个问题在编译一个从别的环境传过来的文件时可能发生;
  2. 2、虽然在Java内部(即运行期间,Runtime)字符串是以Unicode形式存在的,但在class文件中信息是以UTF-8形式存储的(Unicode仅被用作逻辑表示中间码) ;
  3. 对于Web应用,以Tomcat为例,JSP/Servlet引擎提供的JSP转换工具(jspc)搜索JSP文件中用<%@ page contentType ="text/html; charset="%>指定的charset。如果在JSP文件中未指定,则取系统默认的file.encoding(这个值在中文平台上是GBK),可通过控制面板的Regional Options进行修改;jspc用相当于“javac –encoding ”的命令解释JSP文件中出现的所有字符,包括中文字符和ASCII字符,然后把这些字符转换成Unicode字符,再转化成UTF-8格式,存为JAVA文件。
    我曾经偶然将jsp文件存成UTF-8,而在文件内部使用的charset却是GB2312,结果运行时总是无法正常显示中文,后来转存为默认编码方式才正常。只要文件存储格式与JSP开头的charset设置一致,就都可以正常显示(不过将文件保存成UTF-16的情况下我还没有试验成功);
  4. 在XML文件中,encoding表示的是文件本身的编码方式,如果这个参数设定与文件本身实际的编码方式不一致的话,则可能解码失败,所以应该总是将encoding设置成与文件编码方式一致的值;而JSP/HTML的charset则表示按照何种字符集来解码从文件中读取出来的字符串(在理解中文问题时应该把字符串理解成一个二进制或16进制的串,按照不同的charset可能映射成不同的字符)。
    我曾经在网上就encoding的具体含义跟别人讨论过:如果encoding指的是文件本身的编码方式,那么读取该文件的应用程序在不知道encoding设置的情况下如何正确解读该文件呢?
    根据讨论及个人理解,处理程序(如jspc)总是按ISO8859-1来读取输入文件,然后检查文件开始的几个字节(即Byte Order Mark,BOM,具体如何判断,可以参考Tomcat源码$SOURCE_DIR\jasper\jasper2\src\share\org\apache\jasper\xmlparser\XMLEncodingDetector.java的getEncodingName方法,在JSP Specification的Page Character Encoding一节也有详细论述)以探测文件是以何种格式保存的,当解析到encoding选项时,若encoding设置与文件实际保存格式不一致,会尝试进行转换,但这种转换可能在文件实际以ISO8859-1/UTF-8等单字节编码而encoding被设置成Unicode、UTF-16等双字节编码时发生错误。

下面重点讨论JNI中在C 程序与Java程序间进行数据传递时需要注意的问题。

  在JNI中jstring采用的是UCS-2编码,与Java中String的编码方式一致。但是在C 中,字符串是用char(8位)或者wchar_t(16位,Unicode编码与jchar一致,但并非所有开发平台上都是Unicode编码,详见参考6),下面的程序证明了这一点(编译环境:VC6):


#include 

using namespace std;



int main()

{

    locale loc( "Chinese-simplified" );

    //locale loc( "chs" );

    //locale loc( "ZHI" );

    //locale loc( ".936" );

    wcout.imbue( loc );



    wcout << L"中文" << endl; //若没有L,会出问题



    wchar_t wch[] = {0x4E2D, 0x6587, 0x0}; //"中文"二字的Unicode编码

    wcout << wch << endl;



    return 0;

}

JNI提供了几个方法来实现jstring与char/wchar_t之间的转换。

jsize GetStringLength(jstring str)

const jchar *GetStringChars(jstring str, jboolean *isCopy)

void ReleaseStringChars(jstring str, const jchar *chars)

此外,为了便于以UTF-8方式进行传输、存储,JNI还提供了几个操作UTF格式的方法:

jsize GetStringUTFLength(jstring str)

const char* GetStringUTFChars(jstring str, jboolean *isCopy)

void ReleaseStringUTFChars(jstring str, const char* chars)

GetStringChars返回的是Unicode格式的编码串,而GetStringUTFChars返回的是UTF-8格式的编码串。 要创建一个jstring,可以用如下方式:

jstring NewJString( JNIEnv * env, LPCTSTR str )

{

    if (!env || !str)

        return 0;



    int slen = strlen(str);

    jchar * buffer = new jchar[slen];

    int len = MultiByteToWideChar(CP_ACP, 0, str, strlen(str), buffer, slen);



    if (len > 0 && len < slen)

        buffer[len] = 0;



    jstring js = env->NewString(buffer, len);

    delete [] buffer;

    return js;

}

而要将一个jstring对象转为一个char字符串数组,可以:

int JStringToChar( JNIEnv * env, jstring str, LPTSTR desc, int desc_len )

{

    int len = 0;



    if (desc == NULL || str == NULL)

        return -1;



    // Check buffer size

    if (env->GetStringLength(str) * 2   1 > desc_len)

    {

        return -2;

    }

    memset(desc, 0, desc_len);



    const wchar_t * w_buffer = env->GetStringChars(str, 0);

    len = WideCharToMultiByte(CP_ACP, 0, w_buffer, wcslen(w_buffer)   1, desc, desc_len, NULL, NULL);

    env->ReleaseStringChars(str, w_buffer);



    if (len > 0 && len < desc_len)

        desc[len] = 0;



    return strlen(desc);

}

  当然,按照上面的分析,你也可以直接将GetStringChars的返回结果作为wchar_t串来进行操作。或者,如果你愿意,你也可以将GetStringUTFChars的结果通过MultiByteToWideChar转换为UCS2编码串,再通过WideCharToMultiByte转换为多字节串。

const char* pstr = env->GetStringUTFChars(str, false);

int nLen = MultiByteToWideChar( CP_UTF8, 0, pstr, -1, NULL, NULL );//得到UTF-8编码的字符串长度

LPWSTR lpwsz = new WCHAR[nLen];    

MultiByteToWideChar( CP_UTF8, 0, pstr, -1, lpwsz, nLen );//转换的结果是UCS2格式的编码串

int nLen1 = WideCharToMultiByte( CP_ACP, 0, lpwsz, nLen, NULL, NULL, NULL, NULL );    

LPSTR lpsz = new CHAR[nLen1];

WideCharToMultiByte( CP_ACP, 0, lpwsz, nLen, lpsz, nLen1, NULL, NULL );//将UCS2格式的编码串转换为多字节



cout << "Out:" << lpsz << endl;



delete [] lpwsz; delete [] lpsz;

  当然,我相信很少有人想要或者需要这么做。 这里需要注意一点,GetStringChars的返回值是jchar,而GetStringUTFChars的返回值是const char*。 除了上面的办法外,当需要经常在jstring和char*之间进行转换时我们还有一个选择,那就是下面的这个类。这个类本来是一个叫Roger S. Reynolds的老外提供的,想法非常棒,但用起来却不太灵光,因为作者将考虑的重心放在UTF格式串上,但在实际操作中,我们往往使用的却是ACP(ANSI code page)串。下面是原作者的程序:



class UTFString {

private:



    UTFString (); // Default ctor - disallowed 



public:



    // Create a new instance from the specified jstring 

    UTFString(JNIEnv* env, const jstring& str) :

        mEnv (env),

        mJstr (str),

        mUtfChars ((char* )mEnv->GetStringUTFChars (mJstr, 0)),

        mString (mUtfChars) { }



    // Create a new instance from the specified string 

    UTFString(JNIEnv* env, const string& str) :

        mEnv (env),

        mString (str),

        mJstr (env->NewStringUTF (str.c_str ())),

        mUtfChars ((char* )mEnv->GetStringUTFChars (mJstr, 0)) { }



    // Create a new instance as a copy of the specified UTFString 

    UTFString(const UTFString& rhs) :

        mEnv (rhs.mEnv),

        mJstr (mEnv->NewStringUTF (rhs.mUtfChars)),

        mUtfChars ((char* )mEnv->GetStringUTFChars (mJstr, 0)),

        mString (mUtfChars) { }



    // Delete the instance and release allocated storage 

    ~UTFString() { mEnv->ReleaseStringUTFChars (mJstr, mUtfChars); }



    // assign a new value to this instance from the given string 

    UTFString & operator =(const string& rhs) {

        mEnv->ReleaseStringUTFChars (mJstr, mUtfChars);

        mJstr = mEnv->NewStringUTF (rhs.c_str ());

        mUtfChars = (char* )mEnv->GetStringUTFChars (mJstr, 0);

        mString = mUtfChars;

        return *this;

    }



    // assign a new value to this instance from the given char* 

    UTFString & operator =(const char* ptr) {

        mEnv->ReleaseStringUTFChars (mJstr, mUtfChars);

        mJstr = mEnv->NewStringUTF (ptr);

        mUtfChars = (char* )mEnv->GetStringUTFChars (mJstr, 0);

        mString = mUtfChars;

        return *this;

    }



    // Supply operator methods for converting the UTFString to a string 

    // or char*, making it easy to pass UTFString arguments to functions 

    // that require string or char* parameters. 

    string & GetString() { return mString; }

    operator string() { return mString; }

    operator const char* () { return mString.c_str (); }

    operator jstring() { return mJstr; }



private:



    JNIEnv* mEnv;    // The enviroment pointer for this native method. 

    jstring mJstr;   // A copy of the jstring object that this UTFString represents 

    char* mUtfChars; // Pointer to the data returned by GetStringUTFChars 

    string mString;  // string buffer for holding the "value" of this instance 

};

我将它改了改:

class JNIString {

private:



    JNIString (); // Default ctor - disallowed



public:



    // Create a new instance from the specified jstring

    JNIString(JNIEnv* env, const jstring& str) :

        mEnv (env) {

        const jchar* w_buffer = env->GetStringChars (str, 0);

        mJstr = env->NewString (w_buffer,

                                wcslen (w_buffer)); // Deep Copy, in usual case we only need 

						// Shallow Copy as we just need this class to 

						// provide some convenience for handling jstring



        mChars = new char[wcslen (w_buffer) * 2   1];

        WideCharToMultiByte (CP_ACP, 0, w_buffer, wcslen (w_buffer)   1, mChars, wcslen (w_buffer) * 2   1,

                             NULL,   NULL);

        env->ReleaseStringChars (str, w_buffer);



        mString = mChars;

    }



    // Create a new instance from the specified string

    JNIString(JNIEnv* env, const string& str) :

        mEnv (env) {

        int slen = str.length ();

        jchar* buffer = new jchar[slen];

        int len = MultiByteToWideChar (CP_ACP, 0, str.c_str (), str.length (), buffer, slen);



        if (len > 0 && len < slen)

            buffer[len] = 0;



        mJstr = env->NewString (buffer, len);

        delete [] buffer;



        mChars = new char[str.length ()   1];

        strcpy (mChars, str.c_str ());



        mString.empty ();

        mString = str.c_str ();

    }



    // Create a new instance as a copy of the specified JNIString

    JNIString(const JNIString& rhs) :

        mEnv (rhs.mEnv) {

        const jchar* wstr = mEnv->GetStringChars (rhs.mJstr, 0);

        mJstr = mEnv->NewString (wstr, wcslen (wstr));

        mEnv->ReleaseStringChars (rhs.mJstr, wstr);



        mChars = new char[strlen (rhs.mChars)   1];

        strcpy (mChars, rhs.mChars);



        mString = rhs.mString.c_str ();

    }



    // Delete the instance and release allocated storage

    ~JNIString() { delete [] mChars; }



    // assign a new value to this instance from the given string

    JNIString & operator =(const string& rhs) {

        delete [] mChars;



        int slen = rhs.length ();

        jchar* buffer = new jchar[slen];

        int len = MultiByteToWideChar (CP_ACP, 0, rhs.c_str (), rhs.length (), buffer, slen);



        if (len > 0 && len < slen)

            buffer[len] = 0;



        mJstr = mEnv->NewString (buffer, len);

        delete [] buffer;



        mChars = new char[rhs.length ()   1];

        strcpy (mChars, rhs.c_str ());



        mString = rhs.c_str ();



        return *this;

    }



    // Supply operator methods for converting the JNIString to a string

    // or char*, making it easy to pass JNIString arguments to functions

    // that require string or char* parameters.

    string & GetString() { return mString; }

    operator string() { return mString; }

    operator const char* () { return mString.c_str (); }

    operator jstring() { return mJstr; }



private:



    JNIEnv* mEnv;   // The enviroment pointer for this native method.

    jstring mJstr;  // A copy of the jstring object that this JNIString represents

    char* mChars;   // Pointer to a ANSI code page char array

    string mString; // string buffer for holding the "value" of this instance (ANSI code page)

};

  后者除了将面向UTF编码改成了面向ANSI编码外,还去掉了operator =(const char* ptr)的定义,因为 operator =(const string& rhs)可以在需要的时候替代前者而无需任何额外编码。(因为按照C 规范,const reference可以自动转换,详见本人另一文章“关于 const reference 的几点说明”)
  如果你愿意,给JNIString再加个JNIString(JNIEnv* env, const wstring& str)和一个operator =(const wstring& rhs)操作符重载就比较完美了,:),很简单,留给用得到的朋友自己加吧。
下面是一个使用该类的例子(真正跟用于演示的code很少,大部分都是些routine code,:)):

#include 

#include 

#include 

#include 



using namespace std;



int main() {

    int res;

    JavaVM* jvm;

    JNIEnv* env;

    JavaVMInitArgs vm_args;

    JavaVMOption options[3];



    options[0].optionString = "-Djava.compiler=NONE";

    options[1].optionString = "-Djava.class.path=.;.."; // .. is specially for this project

    options[2].optionString = "-verbose:jni";

    vm_args.version = JNI_VERSION_1_4;

    vm_args.nOptions = 3;

    vm_args.options = options;

    vm_args.ignoreUnrecognized = JNI_TRUE;

    res = JNI_CreateJavaVM (& jvm, (void* * )& env, & vm_args);



    if (res < 0) {

        fprintf (stderr, "Can''t create Java VM\n");

        return 1;

    }



    jclass cls = env->FindClass ("jni/test/Demo");

    assert (0 != cls);



    jmethodID mid = env->GetMethodID (cls, "", "(Ljava/lang/String;)V");

    assert (0 != mid);



    wchar_t* p = L"中国";

    jobject obj = env->NewObject (cls, mid, env->NewString (reinterpret_cast (p), wcslen (p)));

    assert (0 != obj);



    mid = env->GetMethodID (cls, "getMessage", "()Ljava/lang/String;");

    assert (0 != mid);



    jstring str = (jstring)env->CallObjectMethod (obj, mid);



    // use JNIString for easier handling.

    JNIString jnistr (env, str);

    cout << "JNIString:" << jnistr.GetString () << endl;



    jnistr = "中文";

    cout << jnistr.GetString () << endl;



    jvm->DestroyJavaVM ();

    fprintf (stdout, "Java VM destory.\n");



    return 0;

}

参考资料:
  1. UTF-8 and Unicode FAQ for Unix/Linuxs,~mgk25/unicode.html,
    其中文翻译见
  2. 深入剖析Java编程中的中文问题及建议最优解决方法,http://blog.csdn.net/abnerchai/archive/2004/04/28/18576.aspx
  3. 关于Java中文问题的几条分析原则,http://www-900.ibm.com/developerWorks/cn/java/l-javachinese/index.shtml
  4. Java 编程技术中汉字问题的分析及解决,http://www-900.ibm.com/developerWorks/cn/java/java_chinese/index.shtml
  5. 深入剖析JSP和Servlet对中文的处理过程,http://blog.csdn.net/deuso/archive/2005/12/01/541511.aspx
  6. 宽字符标量L"xx"在VC6.0/7.0和GNU g 中的不同实现,http://blog.vckbase.com/smileonce/archive/2004/12/09/1972.html
  7. XML Encoding,
下载本文示例代码
阅读(368) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~