JNI和C++通信中文乱码的问题
首先,需要明确几个关于编码的基本概念:
◆ java内部是使用的16bit的unicode编码(utf-16)来表示字符串的,无论英文还是中文都是2字节;
◆ jni内部是使用utf-8编码来表示字符串的,utf-8是变长编码的unicode,一般ascii字符是1字节,中文是3字节;
◆ c/c++使用的是原始数据,ascii就是一个字节,中文一般是GB2312编码,用2个字节表示一个汉字。
jni的中文字符串处理
先从字符流的方向分别对java-->C++和C++-->java进行分析
◆ java-->C++
这种情况下,java调用的时候使用的是utf-16编码的字符串,jvm把这个参数传递给jni,C++得到的输入是jstring,此时,可以利用jni提供的两种函数,一个是GetStringUTFChars,这个函数将得到一个UTF-8编码的字符串;另一个是GetStringChars这个将得到UTF-16编码的字符串。无论那个函数,得到的字符串如果含有中文,都需要进一步转化成GB2312的编码。
String (UTF-16) | [java] | -------------------- JNI 调用 [cpp] | v jstring (UTF-16) | +--------+---------+ |GetStringChars |GetStringUTFChars | | v v wchar_t* char* (UTF_16) (UTF-8)
◆ c/c++ –> java
jni返回给java的字符串,c/c++首先应该负责把这个字符串变成UTF-8或者UTF-16格式,然后通过NewStringUTF或者NewString来把它封装成jstring,返回给java就可以了。
String (UTF-16) ^ | [java] | -------------------- JNI 返回 [cpp] | jstring (UTF-16) ^ | +--------+---------+ ^ ^ | | |NewString |NewStringUTF wchar_t* char* (UTF_16) (UTF-8)
如果字符串中不含中文字符,只是标准的ascii码,那么用GetStringUTFChars/NewStringUTF就可以搞定了,因为这种情况下,UTF-8编码和ascii编码是一致的,不需要转换。
但是如果字符串中有中文字符,那么在c/c++部分进行编码转换就是一个必须了。我们需要两个转换函数,一个是把UTF8/16的编码转成GB2312;一个是把GB2312转成UTF8/16。
这里要说明一下:linux和win32都支持wchar,这个事实上就是宽度为16bit的unicode编码UTF16,所以,如果我们的 c/c++程序中完全使用wchar类型,那么理论上是不需要这种转换的。但是实际上,我们不可能完全用wchar来取代char的,所以就目前大多数应用而言,转换仍然是必须的。
具体的转换函数,linux和win32都有一定的支持,比如glibc的mbstowcs就可以用来把 GB2312编码转成UTF16,但是这种支持一般是平台相关的(因为c/c++的标准中并没有包括这部分),不全面的(比如glibc就没有提供转成 UTF8的编码),不独立的(linux下mbstowcs的行为要受到locale设置的影响)。所以我推荐使用iconv库来完成转换。
iconv库是一个免费的独立的编码转换库,支持很多平台,多种编码(事实上,它几乎可以处理我们所使用的所有字符编码),而且它的行为不受任何外部环境的影响。iconv在*nix平台上,基本上是缺省安装的。在win32平台上需要额外安装。
下面提供一个把GB2312编码的字符串转换成UTF8编码的示例
#include <iconv.h>char* BytesToUtf8(string src, char* dst, int* nout) { size_t n_in = src.length(); size_t n_out = *nout; iconv_t c = iconv_open("UTF-8", "GB2312"); if (c == (iconv_t)-1) { cerr << strerror(errno) << endl; return NULL;} char* inbuf = new char [n_in + 1]; if (!inbuf) { iconv_close(c); return NULL; } strcpy(inbuf, src.c_str()); memset(dst, 0, n_out); char* in = inbuf; char* out = dst; if (iconv(c, &in, &n_in, &out, &n_out) == (size_t)-1) { cerr << strerror(errno) << endl; out = NULL; } else { n_out = strlen(dst); out = dst; } iconv_close(c); *nout = n_out; delete[] inbuf; return out; }
补充几点说明:
1、从jni的接口看,jni提供了UTF16和UTF8两个系列的字符串处理函数,但是由于jni的文档中说,jni的内部实现中是用UTF8作为字符串编码格式的,所以使用UTF8系列比较合适(NewStringUTF/GetStringUTFChars /ReleaseStringUTFChars)
2、使用iconv库的话,运行环境的设置对于编码转换是没有影响的,但是外层java程序对于字符串的解析依赖于运行环境的locale,所以设置正确的locale对于jni意义不大,但是对整个系统还是必要的。
以上是主要是说明使用第三方库去解决编码问题,针对仅在windows平台下,是可以使用windows提供的相关方法进行编码转换的。
使用一下方法可以将jstring转换为char*,主要用于在C++中接收java传递过来的参数时包含中文字符时使用。在转换过程中已经对编码进行了转换,可以正常返回出中文字符。
char * JStringToWindows(JNIEnv * pJNIEnv, jstring jstr) { jsize len = pJNIEnv->GetStringLength(jstr); const jchar * jcstr = pJNIEnv->GetStringChars(jstr, NULL); int size = 0; char * str = (char *)malloc(len * 2 + 1); if ((size = WideCharToMultiByte(CP_ACP, 0, LPCWSTR(jcstr), len, str, len * 2 + 1, NULL, NULL)) == 0) return NULL; pJNIEnv->ReleaseStringChars(jstr, jcstr); str[size] = 0; return str; }
注意:以上方法中返回的char*在使用过后需要delete释放,因为在编码转换过程中使用了malloc分配了内存,不释放会发生内存泄漏。
如果需要在C++中返回中文信息给java,则需要以下方法将char*转换成jstring。
jstring WindowsTojstring( JNIEnv* env, char* str ) { jstring rtn = 0; int slen = strlen(str); unsigned short * buffer = 0; if( slen == 0 ) rtn = (env)->NewStringUTF(str ); else { int length = MultiByteToWideChar( CP_ACP, 0, (LPCSTR)str, slen, NULL, 0 ); buffer = (unsigned short *)malloc( length*2 + 1 ); if( MultiByteToWideChar( CP_ACP, 0, (LPCSTR)str, slen, (LPWSTR)buffer, length ) >0 ) rtn = (env)->NewString( (jchar*)buffer, length ); } if( buffer ) free( buffer ); return rtn; }
根据前面的字符流的分析,和后面提供的转换方法,基本上可以解决jni中中文参数乱码的问题。