Yeats' Wiki

外观

第 18 篇：翻译 ByteOrderMarkReader——BOM 检测与字节比较的坑 ​

本系列第 18 篇。上一篇完成了 ParsedObjectStack。这一篇翻译 ByteOrderMarkReader——Unicode 字节序标记检测器，116 行。

一、ByteOrderMarkReader 是什么 ​

plist 文件可能以多种 Unicode 编码存储（UTF-8、UTF-16BE/LE、UTF-32BE/LE）。解析器需要先检测文件开头的 BOM（Byte Order Mark）来确定编码。ByteOrderMarkReader 就是这个检测工具。

两种使用模式：

  • 逐字节：readByte(b) 每次处理一个字节，逐步缩小可能的编码范围
  • 一次性：静态方法 detect(bytes) 直接检测完整字节数组

二、翻译要点 ​

BOM 表用 Array<Array<Int64>> ​

上游用 int[][] 存储五种 BOM 模式。仓颉版用 Array<Array<Int64>>：

cangjie
private static let BOMS: Array<Array<Int64>> = [
    [0xEF, 0xBB, 0xBF],           // UTF-8
    [0xFE, 0xFF],                  // UTF-16BE
    [0xFF, 0xFE],                  // UTF-16LE
    [0x00, 0x00, 0xFE, 0xFF],     // UTF-32BE
    [0xFF, 0xFE, 0x00, 0x00],     // UTF-32LE
]

detect 方法中的字节比较 ​

detect 方法直接比较字节数组的前几个字节。仓颉的 Byte 就是 UInt8，比较时用 u8 后缀：

cangjie
let b0 = bytes[0]
if (b0 == 0xEFu8 && b1 == 0xBBu8 && b2 == 0xBFu8) {
    return Some("UTF-8")
}

三、踩坑实录 ​

坑 1：match 是关键字不能做变量名 ​

上游 Java 代码里有个局部变量叫 match：

java
boolean match = this.offset < bom.length && bom[this.offset] == b;

仓颉里 match 是关键字（用于模式匹配表达式），不能做变量名。改为 matches。

坑 2：0..<n 范围语法不存在 ​

仓颉的范围是 a..b（闭区间），没有 ..< 半开语法。改为 0..size - 1。

坑 3：Byte(0xEF) 构造不可用 ​

测试中用 Byte(0xEF) 创建字节数组元素，编译报错。从之前的经验知道，要用 UInt8(0xEF) 代替。

四、验证：8 个测试，131/131 全绿 ​

[ PASSED ] testDetectUtf8Bom
[ PASSED ] testDetectUtf16BeBom
[ PASSED ] testDetectUtf16LeBom
[ PASSED ] testDetectUtf32LeBom
[ PASSED ] testDetectNoBom
[ PASSED ] testReadByteUtf8
[ PASSED ] testReadByteNoMatch
[ PASSED ] testReadByteUtf16Be
Summary: TOTAL: 131, PASSED: 131, FAILED: 0

下一篇：翻译 XMLPropertyListWriter——最简单的写出器。