sparklemotion/nokogiri

JRuby: UtfHelpper.writeCharToUtf8 cannot handle unicode supplementary character

Ouverte

#2 410 ouverte le 5 janv. 2022

Voir sur GitHubGuide contributeur
 (9 commentaires) (0 réaction) (0 personne assignée)Ruby (806 forks)batch import
blockedhelp wantedplatform/jrubytopic/encoding

Métriques du dépôt

Stars
 (5 615 étoiles)
Métriques de merge PR
 (Merge moyen 1j 7h) (14 PRs mergées en 30 j)

Description

https://github.com/sparklemotion/nokogiri/blob/55029bfba481338825c99e78af2b182b1cc49e04/ext/java/nokogiri/internals/c14n/UtfHelpper.java#L51

since the Canonicalizer process input String character by character. Java uses 16 bits to represent a character; when the input string contains Unicode characters whose code pen are larger than 0Xffff（65535) it will be split into two char, since neither char will not be
recognized, the Unicode characters will be transferred to 2 ??(3f) instead.

for example, if I want to canonicalize an input that contains 𡏅 via c14n, in the output, 𡏅 will be replaced with ??

Guide contributeur

Direction de recherche
Le problème se trouve dans UtfHelpper.java, spécifiquement dans la méthode writeCharToUtf8 qui traite les caractères individuellement, échouant pour les caractères supplémentaires (points de code > U+FFFF). La correction doit gérer les paires de substitution, en itérant sur la chaîne en utilisant codePointAt ou similaire. Reportez vous à la ligne 51 dans le fichier source lié.
Stack technique
javaruby
Domaine
backend
Type d'issue
Bug
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 heures
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Récente
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
JavaUnicode
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
50