汉字使用 cString 转换的乱码问题

[pheyer]

假如给定一串乱码Âà†Èô§Â§±Ë¥•，已知它的实际内容为 4 个汉字，你能这些乱码恢复出真实的汉字出来吗？

我使用几个提供乱码文字恢复服务的网站，都没能把它恢复出来。

其实这段乱码是这样产生的：见下面的代码，对于指定汉字字符串，先转换为 c 字符串，再使用 initWithCString 转换为 NSString ，得到的结果为Âà†Èô§Â§±Ë¥•，length 是 12 ，但是字节数为 26

NSString* plain = @"删除失败";
const char *s = [plain UTF8String];
NSString* s1 = [[NSString alloc] initWithCString:s];

正确的做法当然是这样的

NSString* s2 = [[NSString alloc] initWithCString:s encoding:NSUTF8StringEncoding];

initWithCString: 是已被苹果废弃的 api ，我仍然好奇这段乱码是怎么产生的，查看文档没搞清楚它到底用的什么编码导致了这样的乱码。

4 个汉字的 utf8 字符串对应 12 个字节，乱码中的奇怪字符刚好有 12 个，好像是 1 个 utf8 字节对应一个乱码字符？有人能解惑吗

[mainjzb]

谷歌搜索-》 乱码恢复

[mainjzb]

第一条内容
http://www.mytju.com/classcode/tools/messycoderecover.asp

[mainjzb]

所以大概率：原来编码 GBK 新编码 UTF-8

[pheyer]

@mainjzb 你看我帖子的第 2 行，跟 gbk 编码应该无关的

[PolarBears]

https://gchq.github.io/CyberChef/#recipe=Magic(3,true,true,'')&input=w4LDoOKAoMOIw7TCp8OCwqfCscOLwqXigKI

CyberChef 可以猜测出来

[MrKrabs]

s1 是 null 啊

[pheyer]

@PolarBears 这个工具不错，帮助我找到了实际的编码 NSMacOSRomanStringEncoding
NSString* s1 = [[NSString alloc] initWithCString:s];
NSString* strRoman = [[NSString alloc] initWithCString:s encoding:NSMacOSRomanStringEncoding];

以上两行代码效果相同

[pheyer]

@MrKrabs 不是 null ，你打印日志看看

[MrKrabs]

@pheyer
NSLog(@"%s %@ %@", s, s1, s2);
2022-06-14 16:37:50.533004+0800 OCString[20254:11557900] 删除失败 (null) 删除失败

[pheyer]

@MrKrabs 这还真是神奇，我用我的 Xcode13.1 的打印结果是：删除失败 Âà†Èô§Â§±Ë¥• 删除失败
用的 OS 是 MacOS 11.6 ，用 iPhone XR 测试的，难道你用的模拟器测试的？

[MrKrabs]

@pheyer 就写了个 main.m 直接在 mac 跑的

[Skifary]

字符串乱码都是编码不对造成的。const char *s 可以理解为一堆数据，至于这堆数据按照什么编码解析依靠 NSString 来指定。

initWithCString 在苹果文档里面有解释

Initializes the receiver, a newly allocated NSString object, by converting the data in a given C-string from the default C-string encoding into the Unicode character encoding.

这个函数被弃用了，在初始化的时候有一个 default C-string encoding （默认的编码）来解析这个格式。

默认的编码格式 NSString 提供了一个 defaultCStringEncoding 来获取，默认值是 30 对应的就是 NSMacOSRomanStringEncoding

[Skifary]

@Skifary 一堆 NSUTF8StringEncoding 的数据用 NSMacOSRomanStringEncoding 来解析自然就乱码了