在 C 和 Objective C 中处理 unicode 字符串

Question

我编写了一个 C 函数来读取用户输入字符串中的字符。因为这个字符串是用户输入的，所以它可以包含任何 unicode 字符。有一个Objective C 方法接收用户输入的NSString，然后将该字符串转换为NSData 并将该数据传递给C 函数进行处理。 C 函数搜索这些符号字符：*、[、]、_，它不关心任何其他字符。每次找到一个符号时，它都会处理并调用一个 Objective C 方法，传递符号的位置。

C 代码：

typedef void (* callback)(void *context, size_t location);

void process(const uint8_t *data, size_t length, callback cb, void *context)
{
    size_t i = 0;
    while (i < length)
    {
        if (data[i] == '*' || data[i] == '[' || data[i] == ']' || data[i] == '_')
        {
            int valid = 0;
            //do something, set valid = 1

            if (valid)
                cb(context, i);
        }
        i++;
    }
}

目标 C 代码：

//a C function declared in .m file
void mycallback(void *context, size_t location)
{
    [(__bridge id)context processSymbolAtLocation:location];
}

- (void)processSymbolAtLocation:(NSInteger)location
{
    NSString *result = [self.string substringWithRange:NSMakeRange(location, 1)];
    NSLog(@"%@", result);
}

- (void)processUserInput:(NSString*)string
{
    self.string = string;
    //convert string to data
    NSData *data = [string dataUsingEncoding:NSUTF8StringEncoding];
    //pass data to C function
    process(data.bytes, data.length, mycallback, (__bridge void *)(self));
}

如果输入字符串仅包含英文字符，则代码可以正常工作。如果它包含组合字符序列、多字节字符或其他 unicode 字符，则processSymbolAtLocation 方法中的结果字符串不是预期的符号。

如何正确地将 NSString 对象转换为 NSData？如何获取正确的位置？

谢谢！

Answer 1

您的问题是您从 UTF-16 编码的 NSString 开始，并生成一个 UTF-8 编码字节序列。以 UTF-16 表示字符串所需的代码单元数可能不等于以 UTF-8 表示字符串所需的代码单元数，因此您的两种形式中的偏移量可能不匹配 - 正如您所发现的那样。

您为什么首先使用 C 来扫描字符串以查找匹配项？您可能想查看NSString 的rangeOfCharacterFromSet:options:range: 方法，您可以使用该方法从您的集合中查找下一个出现的字符。

如果您需要使用 C，则将您的字符串转换为 UTF-16 单词序列，并在 C 端使用 uint16_t。

HTH