Warum emoji zwei verschiedene utf-8-codes? Wie konvertiert emoji von utf-8 verwenden NSString in ios?

Wir haben festgestellt, ein Problem, dass einige emoji zwei utf-8-codes, wie zum Beispiel:

emoji   unicode    utf-8                another utf-8
?      U+1F601    \xf0\x9f\x98\x81     \xed\xa0\xbd\xed\xb8\x81

Aber ios Sprache, die kann nicht decodieren, die andere Art von utf-8, so dass daraus resultierende Fehler, wenn ich Dekodiere Zeichenkette von utf-8.

Warum emoji zwei verschiedene utf-8-codes? Wie konvertiert emoji von utf-8 verwenden NSString in ios?

In allen Dokumenten, die ich gefunden, ich kann nur finden, eine Art von utf-8-code für ein emoji, wo keine zu finden die andere.

Dokumente i verwiesen wird, enthält:

emoji code-link

ganzen utf-8-code-link

Aber in ein web-tool bianma, alle zwei Arten von utf-8-code umgewandelt werden können in emoji korrekt.

Warum emoji zwei verschiedene utf-8-codes? Wie konvertiert emoji von utf-8 verwenden NSString in ios?

Warum emoji zwei verschiedene utf-8-codes? Wie konvertiert emoji von utf-8 verwenden NSString in ios?

So, meine Frage ist :

  1. Warum muss es zwei Arten von utf-8-codes für ein emoji ?

  2. Wo ist ein Dokument, das umfasst die zwei Arten von utf-8-codes?

  3. Wie man richtig konvertieren string von utf-8, mit NSString in ios Sprache?

  • Dies hatte mich fasziniert, wie mein Erster Gedanke war, dass die lange UTF-8-Darstellung wurde zwei UTF-8-Blöcke. Es stellt sich heraus, dass es zwei Varianten von UTF-8, CESU-8 und Modifizierten UTF-8, die encode UTF-16 style. Sie können in der Lage sein dies zu nutzen Artikel iphonedevsdk.com/forum/iphone-sdk-development/... zu schreiben, ein decoder, wenn es keine geeignete iOS/Objective-C native decoder.
  • Das ist die Antwort, denke ich. Sollten Sie post, als Antwort.
  • Bitte niemals nach der text als Bilder, insbesondere keine code-oder Ausgang.
  • Danke @roeland. Ich denke eine richtige Antwort sollte enthalten einige Codes, aber ich bin nicht eine Objective-C-Programmierer überlasse ich jemand anderem, um die Abholung der Herrlichkeit 🙂
InformationsquelleAutor pinchwang | 2015-12-22
  1. 11

    0xF0, 0x9F, 0x98, 0x81

    Ist die korrekte UTF-8-Codierung für U+1F601 ?.

    0xED, 0xA0, 0xBD, 0xED, 0xB8, 0x81

    Ist keine gültige UTF-8-Sequenz(*). Es sollte wirklich abgelehnt werden, iOS ist das richtige zu tun.

    Dies ist ein Fehler in der bianma tool: die convertUtf8BytesToUnicodeCodePoints Funktion mehr nachsichtig über welche Eingabe akzeptiert wird, als der angegebene Algorithmus in zB RFC 3629.

    Dies geschieht, um wieder eine Arbeit-string nur, weil das tool in JavaScript geschrieben. Nachdem decodiert die obige byte-Sequenz, um die Schein-Surrogat-Codepunkt Sequenz U+D83D,U+DE01 es dann konvertiert, die in einem JavaScript-string mit einem direkten code-Punkt-zu-code-unit-mapping geben \uD83D\xDE01. Da dies der richtige Weg zu codieren ? in eine UTF-16-string-es scheint gewirkt zu haben.

    (*: Es ist eine gültige CESU-8-Sequenz, aber das encoding ist nur "Schein-defekt-Codierung für die Kompatibilität mit schlecht geschriebenen historischen Werkzeuge" und sollten generell vermieden werden.)

    Sollten Sie nicht in der Regel auch eine Abfolge wie diese; es ist in der Regel nicht lohnt, catering, für, es sei denn, Sie haben eine bestimmte Quelle für diese Art der fehlerhaften Daten, die Sie nicht die macht haben, behoben.

    • Vielen Dank für die Antwort. Wir Lesen von string-Daten von unserem server, die die C++ - Sprache, nach dem server zu konvertieren unicode-string nach utf-8 tritt dieses Problem auf. Eine weitere Sache erwähnen muss, ist, dass, wenn unsere Kunden erhalten die Daten als string-Wert cstr, und printf("%s", cstr), es ist richtig. Aber beim konvertieren von string zu NSString, NSString *ocstr = [[NSString alloc] initWithBytes:cstr.c_str() Länge:cstr.Länge() encoding:NSUTF8StringEncoding]; ocstr Ergebnisse als null. warum apple nicht die Unterstützung der CESU-8-Sequenz? Wir haben Funktion, um das Problem zu beheben?
    • Ich würde zunächst einen Blick auf die C++ - server UTF-8-encoder, um zu sehen, ob es behoben werden kann, richtig an der Quelle. CESU-8 wird als eine unerwünschte Anomalie, die Sie würde nie wollen bewusst zu verwenden; die meisten Systeme nicht unterstützen. Wenn Sie müssen, es zu akzeptieren, Sie müssen schreiben Sie Ihre eigenen CESU-8-decoder zu Fuß durch die Eingabe byte-array (oder verwenden Sie eine vorhandene Bibliothek, z.B. Intensivstation, obwohl, dass wäre eine wirklich schwere Abhängigkeit, die nur für diese).
    • Nur als Randbemerkung, es ist eine besonders lästige Quelle der Codierung wie diese: JNI (Java Native Interface). Wenn Sie versuchen, abrufen "UTF-8" bytes aus einer Java-string erhalten Sie die "modifizierte UTF-8" Variante. Das ist eine ziemlich große Quelle von fehlerhaften Daten, die nicht behoben werden kann, leider.
    InformationsquelleAutor bobince
  2. 0

    Dieser arbeitete für mich in php zum senden einer Nachricht mit emoji zu Telegramm bot: 

    $message_text = " \xf0\x9f\x98\x81 ";
    • Dies ist nur allzu off-topic.
    InformationsquelleAutor Polina
Schreibe einen Kommentar