sparklemotion/nokogiri

JRuby: UtfHelpper.writeCharToUtf8 cannot handle unicode supplementary character

Open

#2,410 创建于 2022年1月5日

在 GitHub 查看
 (9 评论) (0 反应) (0 负责人)Ruby (806 fork)batch import
blockedhelp wantedplatform/jrubytopic/encoding

仓库指标

Star
 (5,615 star)
PR 合并指标
 (平均合并 1天 7小时) (30 天内合并 14 个 PR)

描述

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 ??

贡献者指南

研究方向
问题出现在 UtfHelpper.java 中，具体是 writeCharToUtf8 方法，该方法逐个处理字符，无法处理补充字符（码点 > U+FFFF）。修复应处理代理对，使用 codePointAt 或类似方法遍历字符串。请参考链接源文件中第 51 行。
技术栈
javaruby
领域
backend
议题类型
缺陷
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-3 小时
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
新近可参与
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
JavaUnicode
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
50