在 Gsm0338 中检查字符串是否可编码答案

【问题标题】：Checking if string is Encodeable In Gsm0338在 Gsm0338 中检查字符串是否可编码
【发布时间】：2020-02-28 17:24:27
【问题描述】：

我正在开发一个 SMS 应用程序并发送 Unicode 字符（阿姆哈拉语/G'eez）。我正在使用this example。 240，isEncodeableInGsm0338()线上的方法，用于检查是否应该使用其他编码或默认编码。

这就是问题所在。字符串"የእንግሊዝ ፕሪምየር ሊግ ነህሴ 6 ይጀምራል።"，显然是Unicode，正从该方法返回。我的假设是每个字母的一半。但我不能支持这个理论。如果我将文本更改为"1. የእንግሊዝ ፕሪምየር ሊግ ነህሴ 6 ይጀምራል።"，它会正确检测到。

这里发生了什么？

【问题讨论】：

示例代码使用 String.getBytes()。这取决于“平台默认编码”。我看不出应该是哪种编码。您最好构造一个包含此字符集中所有允许字符的字符串 GSM_0338，并且对于 SMS 文本中的每个字符，检查它是否包含在此字符串中。对于检查，我认为没有必要从 SMS 文本中创建字节。
@RalfKleberhoff 这有帮助。谢谢
为什么不让isEncodeableInGsm0338() 调用isoString.getBytes("GSM_0338") 并在成功时返回true，如果失败则返回false？或者更好的是，使用 GsmCharsetProvider 或 Java GSM 03.38 SMS Character Set Translator 之类的东西。
@RemyLebeau 最后一个链接很有帮助。但是在 java 的可用字符集列表中没有称为 GSM_0338 的编码。
stackoverflow.com/questions/13538685/…

标签： java unicode

【解决方案1】：

知道了！

line 240上的方法如下。

 public static boolean isEncodeableInGsm0338(String isoString) {
        byte[] isoBytes = isoString.getBytes();
        outer:
        for (int i = 0; i < isoBytes.length; i++) {
            for (int j = 0; j < isoGsm0338Array.length; j++) {
                if (isoGsm0338Array[j] == isoBytes[i]) {
                    continue outer;
                }
            }
            for (int j = 0; j < extendedIsoGsm0338Array.length; j++) {
                if (extendedIsoGsm0338Array[j][1] == isoBytes[i]) {
                    continue outer;
                }
            }
            return false;
        }
        return true;
    }

如您所见，它使用isoString.getBytes()，它依赖于编码。解决方案是通过使用isoString.toCharArray() 获取字符数组来比较每个char。

改变了

byte[] isoBytes = isoString.getBytes();

到

char[] isoBytes = isoString.toCharArray();

您可能还想将isoBytes 命名为其他名称。像魅力一样工作。

【讨论】：

【解决方案2】：

这是我的一个版本。它在 16 个字符字符串上比嵌套循环快 20 倍，也比正则表达式、HashSet 和 tableswitch 快（出于某种原因）。

public class Gsm0338 {

private static final char[] BASIC_CHARS = {
        // Basic Character Set
        '@', '£', '$', '¥', 'è', 'é', 'ù', 'ì', 'ò', 'Ç', '\n', 'Ø', 'ø', '\r', 'Å', 'å',
        'Δ', '_', 'Φ', 'Γ', 'Λ', 'Ω', 'Π', 'Ψ', 'Σ', 'Θ', 'Ξ', 'Æ', 'æ', 'ß', 'É',
        ' ', '!', '"', '#', '¤', '%', '&', '\'', '(', ')', '*', '+', ',', '-', '.', '/',
        '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', ':', ';', '<', '=', '>', '?',
        '¡', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O',
        'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', 'Ä', 'Ö', 'Ñ', 'Ü', '§',
        '¿', 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o',
        'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z', 'ä', 'ö', 'ñ', 'ü', 'à',
        // Basic Character Set Extension
        '\f', '^', '{', '}', '\\', '[', '~', ']', '|', '€'
};

private static boolean[] ENCODEABLE_BY_ORD_UP_TO_253 = new boolean[254];
private static Set<Character> ENCODEABLE_REST = new HashSet<>();
static {
    for (int i = 0; i < BASIC_CHARS.length; i++) {
        char ch = BASIC_CHARS[i];
        if (ch <= 253) {
            ENCODEABLE_BY_ORD_UP_TO_253[ch] = true;
        } else {
            ENCODEABLE_REST.add(ch);
        }
    }
}

public static boolean isEncodeable(String javaString) {
    final int length = javaString.length();
    for (int i = 0; i < length; ++i) {
        char ch = javaString.charAt(i);
        if (ch <= 253) {
            if (!ENCODEABLE_BY_ORD_UP_TO_253[ch]) {
                return false;
            }
        } else {
            if (!ENCODEABLE_REST.contains(ch)) {
                return false;
            }
        }
    }
    return true;
}
}

【讨论】：