检查字符串是否可以在Gsm0338中编码

Question

我正在开发一个短信应用程序，我发送的是Unicode字符（阿姆哈拉语/盖兹语）。我使用这个示例。第240行的方法isEncodeableInGsm0338()用于检查是否应该使用另一种编码或默认编码。

以下是代码：

 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;
}

这里有个问题。明显是Unicode的字符串"የእንግሊዝ ፕሪምየር ሊግ ነህሴ 6 ይጀምራል።"从那个方法返回。我的假设是每个字母的一半。但我无法支持这个理论。如果我将文本更改为"1. የእንግሊዝ ፕሪምየር ሊግ ነህሴ 6 ይጀምራል።"，它可以正确检测到。

这里发生了什么？

- Amanuel Nega

---

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。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，并针对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，我不认为需要从SMS文本创建字节。 - Ralf Kleberhoff

@RalfKleberhoff 非常有帮助。谢谢。 - Amanuel Nega

为什么不直接让 isEncodeableInGsm0338() 调用 isoString.getBytes("GSM_0338")，如果成功则返回 true，失败则返回 false？或者更好的方法是使用 GsmCharsetProvider 或 Java GSM 03.38 SMS Character Set Translator 这样的工具。 - Remy Lebeau

@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名为“GSM_0338”的编码。 - Amanuel Nega

https://dev59.com/RGYr5IYBdhLWcg3wnrZ0 - Joop Eggen

Answer 1

明白了！

第240行上的方法如下。

 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;
    }

正如您所看到的，它使用了isoString.getBytes()，这是编码相关的。解决方案是通过使用isoString.toCharArray()获取字符数组来比较每个char。

更改为

char[] isoBytes = isoString.toCharArray();

您可能还想将isoBytes命名为其他名称。非常有效。

- Amanuel Nega

Answer 2

这是我的一个版本。在16个字符的字符串上，它比嵌套循环快20倍，也比正则表达式、HashSet和tableswitch（由于某种原因）更快。

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;
}
}

- Pavel Vlasov

Answer 3

对于PHP来说，这里有一个函数可以检查一个字符串是否可以被GSM0338编码：

function IsGSM0338Encodable($sText)   
{    
$pcgsm0338_chars = '@'.'£'.'$'.'¥'.'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'.'\f'.'^'.'{'.'}'.'\\'.'['.'~'.']'.'|'.'€';
    
    $sText = iconv(mb_detect_encoding($sText, mb_detect_order(), true), "UTF-8", $sText);

    for($i = 0, $unChars = strlen($pcgsm0338_chars); $i < strlen($sText); $i++)
        {
        $c = $sText[$i];

        for($j = 0; $j < $unChars && $pcgsm0338_chars[$j] != $c; $j++);
            
        if ($j >= $unChars)
            return false;
        }
        
    return true;
}

- TWOTM

---

恕我直言，PHP代码如何帮助需要Java代码的人？ - Abra