解析HTTP - Bytes.length！= String.length

Question

我通過nio.SocketChannel使用HTTP，所以我得到的數據塊大小爲Array[Byte]。我想把這些塊放到一個解析器中，並在每個塊放好之後繼續解析。

HTTP本身似乎使用ISO8859字符集，但Payload/Body本身可以任意編碼： 如果HTTP Content-Length指定X字節，則UTF8解碼的Body可能具有更少的字符（1個字符可能是以2個字節以UTF8表示，等等）。

那麼什麼是一個很好的解析策略，以表彰一個明確指定的Content-Length和/或Transfer-Encoding：Chunked，它指定了要被尊重的塊長度。

• 追加每個數據塊到mutable.ArrayBuffer[Byte]，搜索CRLF中的字節，直到CRLF解碼了從0到字符串，匹配常規表達式就像StatusRegex，HeaderRegex等？
• 使用適當的字符集（例如iso8859，utf8等）解碼每個數據塊並添加到StringBuilder。有了這個解決方案，我無法兌現任何內容長度或塊大小，但是..我必須關心它嗎？
• 任何其他解決方案...？

Answer 1

我積累了ArrayBuffer中的所有Array [Byte]，它允許我計算字節數。 HTTP協議解碼（狀態+標題）是通過搜索CRLF位置然後解碼0直到CRLF與ISO8859完成。

分塊的實體在ArrayBuffer中累積，並且只有在塊已經完全保存在ArrayBuffer中時才使用指定的charset進行解碼。如果解碼在2字節字符中間正確分割的utf8數據，則會繞過CharsetDecoder的MALFORMED異常。

對於流式HTML，我還沒有很好的解決方案，正常的HTML緩存在ArrayBuffer中，並在收到整個文檔（如塊）後進行解碼。

Answer 2

您可以使用UTF-16，它是Java的內部字符串表示形式。每個角色都有2個字節，除非有代理。因此，您可以掃描字符串中的代理字符長度，並根據需要對它們進行解釋，然後複製子字符串。