串接部分國內服務或舊系統時,常會收到 GB2312/GBK 編碼的位元組流,直接當 UTF-8 解會出現一堆亂碼。做法是先取得對應的 NSStringEncoding,再用它初始化字串。
+(NSString *)gb2312toutf8:(NSData *)data {
NSStringEncoding enc = CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingGB_18030_2000);
NSString *retStr = [[NSString alloc] initWithData:data encoding:enc];
return retStr;
}
CFStringConvertEncodingToNSStringEncoding 負責把 Core Foundation 的編碼常數換成 Foundation 使用的 NSStringEncoding。這裡選的是 GB_18030_2000,因為 GB18030 是 GB2312 與 GBK 的超集,用它解碼能少掉一些缺字問題;若確定資料就是純 GB2312,也可改用 kCFStringEncodingGB_18030_2000 以外的對應常數。
字串在記憶體中的表示本身就是 Unicode,所謂「轉成 UTF-8」通常發生在下一步——寫入檔案或送進網路時指定 NSUTF8StringEncoding:
NSData *utf8Data = [retStr dataUsingEncoding:NSUTF8StringEncoding];
autorelease 或直接交由 ARC 管理。initWithData:encoding: 遇到不合法的位元組序列會回傳 nil,實務上應檢查返回值,或用 initWithData:encoding: 的替代方案搭配錯誤處理,避免後續拿到 nil 才發現問題。