jni的中文字元串處理

幾個概念首先要明确：

java内部是使用16bit的unicode編碼（UTF-16）來表示字元串的，無論中文英文都是2位元組；

jni内部是使用UTF-8編碼來表示字元串的，UTF-8是變長編碼的unicode，一般ascii字元是1位元組，中文是3位元組；

c/c++使用的是原始資料，ascii就是一個位元組了，中文一般是GB2312編碼，用兩個位元組來表示一個漢字。

明确了概念，操作就比較清楚了。下面根據字元流的方向來分别說明一下

1、java --> c/c++

這種情況中，java調用的時候使用的是UTF-16編碼的字元串，jvm把這個字元串傳給jni，c/c++得到的輸入是jstring，這個時候，可以利用jni提供的兩種函數，一個是GetStringUTFChars，這個函數将得到一個UTF-8編碼的字元串；另一個是GetStringChars這個将得到UTF-16編碼的字元串。無論那個函數，得到的字元串如果含有中文，都需要進一步轉化成GB2312的編碼。

2、c/c++ --> java

jni傳回給java的字元串，c/c++首先應該負責把這個字元串變成UTF-8或者UTF-16格式，然後通過NewStringUTF或者NewString來把它封裝成jstring，傳回給java就可以了。

如果字元串中不含中文字元，隻是标準的ascii碼，那麼用GetStringUTFChars/NewStringUTF就可以搞定了，因為這種情況下，UTF-8編碼和ascii編碼是一緻的，不需要轉換。

但是如果字元串中有中文字元，那麼在c/c++部分進行編碼轉換就是一個必須了。我們需要兩個轉換函數，一個是把UTF8/16的編碼轉成GB2312；一個是把GB2312轉成UTF8/16。

這裡要說明一下：linux和win32都支援wchar，這個事實上就是寬度為16bit的unicode編碼UTF16，是以，如果我們的c/c++程式中完全使用wchar類型，那麼理論上是不需要這種轉換的。但是實際上，我們不可能完全用wchar來取代char的，是以就目前大多數應用而言，轉換仍然是必須的。

具體的轉換函數，linux和win32都有一定的支援，比如glibc的mbstowcs就可以用來把GB2312編碼轉成UTF16，但是這種支援一般是平台相關的（因為c/c++的标準中并沒有包括這部分），不全面的（比如glibc就沒有提供轉成UTF8的編碼），不獨立的（linux下mbstowcs的行為要受到locale設定的影響）。是以我推薦使用iconv庫來完成轉換。

iconv庫是一個免費的獨立的編碼轉換庫，支援很多平台，多種編碼（事實上，它幾乎可以處理我們所使用的所有字元編碼），而且它的行為不受任何外部環境的影響。iconv在*nix平台上，基本上是預設安裝的。在win32平台上需要額外安裝。

下面提供一個把GB2312編碼的字元串轉換成UTF8編碼的示例

    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; }

補充幾點說明：

1、從jni的接口看，jni提供了UTF16和UTF8兩個系列的字元串處理函數，但是由于jni的文檔中說，jni的内部實作中是用UTF8作為字元串編碼格式的，是以使用UTF8系列比較合适（NewStringUTF/GetStringUTFChars/ReleaseStringUTFChars）

2、使用iconv庫的話，運作環境的設定對于編碼轉換是沒有影響的，但是外層java程式對于字元串的解析依賴于運作環境的locale，是以設定正确的locale對于jni意義不大，但是對整個系統還是必要的。

本文轉自leonpard 51CTO部落格，原文連結:http://blog.51cto.com/leonpard/1172664