位屏蔽和移位逻辑（Java）

我试图重建一个UTF-16LE编码的字节数组回到字符，而不使用Java API，因为当我尝试执行霍夫曼编码时，我将需要手动执行它。 我给出的代码示例实际上是在Kotlin中，但它的99％的java，所以你不应该有麻烦理解它正在试图完成 – 在这种情况下val是char类型。

这应该是相当简单的，但我相信我的逻辑存在一个缺陷，并希望找到我的想法出错的地方。

忽略任何不在Unicode基本多语言平面中的UNICODE字符，我有以下代码行： 

val c = ((((stringBytes[i].toInt()) shl 8) and 0x000000FF) or (stringBytes[i - 1].toInt() and 0x000000FF)).toChar()

它工作，但是我不确定它是否正确，因为直觉上我想用下面的方式来写（注意唯一的变化是第一个掩码） 

  val c = ((((stringBytes[i].toInt()) shl 8) and 0x0000FF00) or (stringBytes[i - 1].toInt() and 0x000000FF)).toChar()

然而，这出来不正确（例如显示中文字符），而第一行代码的作品。

我脑海中将BMP中字符的字节组合起来的步骤是：

  • 将第一个（最重要的）字节向左移8
  • 并用0x0 … FF..00来清除所有不必要的位。
  • 和LSB与0x0 … FF来清除LSB以外的所有不必要的位
  • 最后，把这些值合起来产生一个2字节的char值。

编辑：只是意识到第一行的代码只工作，因为只有英文字符在BMP内使用和第一个字节通常是十六进制0x00。 这意味着一个完全清零的字节将始终产生正确的结果。

最后我的问题是：第二个例子中的逻辑出错了，为什么会产生中文字符？

如果有人能告诉我，我的思维错误的地方，我怎么能纠正它，这将不胜感激。 谢谢！

Interesting Posts