Objective c 将部分UTF-8解码为NSString

在使用

NSURLConnection

类通过网络获取

UTF-8

编码文件时，很有可能代理的

连接：didReceiveData:

消息将与截断

UTF-8

文件的

NSData

一起发送，因为

UTF-8

是一种多字节编码方案，一个字符可以在两个单独的

NSData

换句话说，如果我将从

connection:didReceiveData:

获得的所有数据合并在一起，我将拥有一个有效的

UTF-8

文件，但每个单独的数据都无效

UTF-8

（）

我不想将所有下载的文件都存储在内存中

我想要的是：给定

NSData

，将任何可以解码的内容解码为

NSString

。万一最后 告诉我，

NSData

的几个字节是未关闭的代理项，因此我可以将它们保存到下一个

NSData

中

---

一个显而易见的解决方案是反复尝试使用

initWithData:encoding:

进行解码，每次都会截断最后一个字节，直到成功。不幸的是，这可能是非常浪费的。

UTF-8是一个非常简单的解析编码，它被设计成便于检测不完整的序列，如果你从一个不完整的序列中间开始，找到它的开始。

---

从末尾向后搜索一个0xc0字节。如果是＝0xf0，则需要三个以下字节完成。

如果要确保在UTF-8多字节序列的中间不停止，则需要查看字节数组的末尾并检查前2位。

如果顶部的位是0，那么它是一个ASCII样式的未转换UTF-8代码，您就完成了

如果顶部位为1，从顶部开始的第二个位为0，则它是转义序列的延续，可能表示该序列的最后一个字节，因此您需要为以后缓冲字符，然后查看前面的字符*

如果顶部位为1，从顶部开始的第二个位也为1，则它是多字节序列的开始，您需要通过查找第一个0位来确定序列中有多少个字符

查看Wikipedia条目中的多字节表：

//假设receivedData同时包含剩余数据和新数据
无符号字符*数据=[receivedData字节]；
UInteger字节计数=[receivedData长度]；
if（字节数0）&&（lastByte&0xc0==0x80））{
倒计时++；
字节计数--；
lastByte=数据[byteCount-1]；
}
//此时，要么耗尽字节数，要么获得初始字符
//如果我们耗尽字节数，我们可能处于非法序列中，这是我们应该做的
//在receivedData中始终具有初始字符
如果（字节数我有一个类似的问题-部分解码utf8

以前

  NSString * adsTopic = [components[2] stringByTrimmingCharactersInSet:[NSCharacterSet whitespaceAndNewlineCharacterSet]];
    adsInfo->adsTopic = malloc(sizeof(char) * adsTopic.length + 1);
    strncpy(adsInfo->adsTopic, [adsTopic UTF8String], adsTopic.length + 1);

在[解决]之后

  NSString *adsTopic = [components[2] stringByTrimmingCharactersInSet:[NSCharacterSet whitespaceAndNewlineCharacterSet]];
    NSUInteger byteCount = [adsTopic lengthOfBytesUsingEncoding:NSUTF8StringEncoding];
    NSLog(@"number of Unicode characters in the string topic == %lu",(unsigned long)byteCount);

    adsInfo->adsTopic = malloc(byteCount+1);
    strncpy(adsInfo->adsTopic, [adsTopic UTF8String], byteCount + 1);

    NSString *text=[NSString stringWithCString:adsInfo.adsTopic encoding:NSUTF8StringEncoding];
                NSLog(@"=== %@", text);

谢谢你的回答！（同时我意识到这就是解决方案）-我相信代码本身有一些缺点。（1）我认为
数据[byteCount]
是不允许的，（2）
数据
不一定包含代理项的开头。我建议为后代进行修复。我修复了一个错误，oops。至于不包含代理项开头的可能性，除非数据有错误（并且有检查），或者在调用此函数之前，您应该将以前的数据放在receivedData的开头（开头有注释）。因此，数据不应该包含序列的结尾而不是开头。同意，我的错误。再次感谢！
  NSString *adsTopic = [components[2] stringByTrimmingCharactersInSet:[NSCharacterSet whitespaceAndNewlineCharacterSet]];
    NSUInteger byteCount = [adsTopic lengthOfBytesUsingEncoding:NSUTF8StringEncoding];
    NSLog(@"number of Unicode characters in the string topic == %lu",(unsigned long)byteCount);

    adsInfo->adsTopic = malloc(byteCount+1);
    strncpy(adsInfo->adsTopic, [adsTopic UTF8String], byteCount + 1);

    NSString *text=[NSString stringWithCString:adsInfo.adsTopic encoding:NSUTF8StringEncoding];
                NSLog(@"=== %@", text);