Encoding NSInputStream中的字符串不是有效的utf8。如何转换为utf8更多'；有损'；

我有一个从服务器读取数据的应用程序。有时，数据似乎不是有效的UTF-8。如果将字节数组转换为UTF8字符串，该字符串将显示为nil。字节数组中必须有一些无效的not-UTF8字符。是否有方法将字节数组“有损”转换为UTF8，并仅过滤掉无效字符

有什么想法吗

我的代码如下所示：

- (void)stream:(NSStream *)theStream handleEvent:(NSStreamEvent)streamEvent {

switch (streamEvent){
    case NSStreamEventHasBytesAvailable:
    {
        uint8_t buffer[1024];
        int len;
        NSMutableData * inputData = [NSMutableData data];
        while ([directoryStream hasBytesAvailable]){
            len = [directoryStream read:buffer maxLength:sizeof(buffer)];
            if (len> 0) {
                [inputData appendBytes:(const void *)buffer length:len];
            }
        }
        NSString *directoryString = [[NSString alloc] initWithData:data encoding:NSUTF8StringEncoding];
    }
    NSLog(@"directoryString: %@", directoryString);

    ...

有没有办法以更“有损”的方式进行转换

---

如您所见，我首先将数据块附加到NSData值，并在读取所有内容时将其转换为utf8。这可以防止（多字节）utf8字符被拆分，从而导致更多无效（空）utf8字符串。

它可以工作！通过结合Larme的代码片段和关于UTF-8字符大小的注释，我成功地创建了一个“有损”NSData到UTF-8 NSString的转换方法

+ (NSString *) data2UTF8String:(NSData *) data {

    // First try to do the 'standard' UTF-8 conversion 
    NSString * bufferStr = [[NSString alloc] initWithData:data
                                                 encoding:NSUTF8StringEncoding];

    // if it fails, do the 'lossy' UTF8 conversion
    if (!bufferStr) {
        const Byte * buffer = [data bytes];

        NSMutableString * filteredString = [[NSMutableString alloc] init];

        int i = 0;
        while (i < [data length]) {

            int expectedLength = 1;

            if      ((buffer[i] & 0b10000000) == 0b00000000) expectedLength = 1;
            else if ((buffer[i] & 0b11100000) == 0b11000000) expectedLength = 2;
            else if ((buffer[i] & 0b11110000) == 0b11100000) expectedLength = 3;
            else if ((buffer[i] & 0b11111000) == 0b11110000) expectedLength = 4;
            else if ((buffer[i] & 0b11111100) == 0b11111000) expectedLength = 5;
            else if ((buffer[i] & 0b11111110) == 0b11111100) expectedLength = 6;

            int length = MIN(expectedLength, [data length] - i);
            NSData * character = [NSData dataWithBytes:&buffer[i] length:(sizeof(Byte) * length)];

            NSString * possibleString = [NSString stringWithUTF8String:[character bytes]];
            if (possibleString) {
                [filteredString appendString:possibleString];
            }
            i = i + expectedLength;
        }
        bufferStr = filteredString;
    }

    return bufferStr;
}

+（NSString*）数据2UTF8String:（NSData*）数据{
//首先尝试进行“标准”UTF-8转换
NSString*bufferStr=[[NSString alloc]initWithData:data
编码：NSUTF8StringEncoding]；
//如果失败，请执行“有损”UTF8转换
如果（！bufferStr）{
常量字节*缓冲区=[数据字节]；
NSMutableString*filteredString=[[NSMutableString alloc]init]；
int i=0；
而（i<[数据长度]）{
int expectedLength=1；
如果（（缓冲区[i]&0b10000000）=0b00000000）expectedLength=1；
如果（（缓冲区[i]&0b11100000）=0b11000000）预期长度=2；
如果（（缓冲区[i]&0b11110000）=0b11100000）预期长度=3；
如果（（缓冲区[i]&0b11111000）=0b11110000）预期长度=4；
如果（（缓冲区[i]&0b11111100）=0b11111000）预期长度=5；
如果（（缓冲区[i]&0B111110）=0b11111100）预期长度=6；
int length=MIN（预期长度，[数据长度]-i）；
NSData*字符=[NSData dataWithBytes:&缓冲区[i]长度：（sizeof（Byte）*长度）]；
NSString*possibleString=[NSString stringWithUTF8String:[字符字节]；
如果（可能限制）{
[filteredString appendString:possibleString]；
}
i=i+预期长度；
}
bufferStr=filteredString；
}
返回缓冲区str；
}

如果你有任何意见，请让我知道。

---

谢谢Larme

可能是这样的：

NSMutableString*finalString=[[NSMutableString alloc]init]；while（[directoryStream hasBytesAvailable]）{len=[directoryStream read:buffer maxLength:sizeof（buffer）]；if（len>0）{for（int i=0；i

。如果

NSData

到

NSString

的

to
有效，是否测试每次/char的想法。正在使用哪种服务器协议？您如何知道流何时实际到达UTF-8字节的末尾？您是否提前知道字节计数，或者在数据末尾是否有某种标记？您不应该是c将UTF-8缓冲区转换为字符串，直到您确定您实际完成了完整的UTF-8缓冲区。如果原始数据在多个
NSStreamEventHasBytesAvailable
事件中进行流式传输并以片段形式传递，则等待
hasBytesAvailable
为假是不够可靠的。获取一个事件，附加该可用数据将数据写入缓冲区，然后在将其转换为字符串之前检查缓冲区是否已到达数据的末尾。根据需要重复此操作。@Larme，这是不可能的。UTF8字符可以由多个字节组成。如果是UTF8，则不能检查每个字节。其他答案，我已经想到了，但我对服务器没有影响。这就是为什么我选择了nt创建一个方法，该方法在字符串包含无效UTF8时也解析该字符串character@Wubbe：根据doc（），您仍然可以检查每个字符，不仅可以使用一个字节，还可以根据需要检查连续uint8的可能值，这是最后一个“字符”在当前流和下一个流之间溢出，当您尝试获取长度超过缓冲区长度的字符时，可能会出现堆栈溢出。因此，请在之前检查i+预期长度（在执行
NSData character
之前）在缓冲区的范围内。如果超过缓冲区长度，您可能还希望在下次调用委托方法时将其保留为缓冲区的开始。您说得对！我相应地更改了代码段。完美的解决方案！非常感谢