sockets - 如何检测字符串以UTF-8序列的中间结尾？

Question

我遇到的情况是服务器可能会任意分解传输的UTF-8字符串数据，包括在UTF-8序列中间。在Websocket代理中，该代理在接收到该数据之前将其发送到客户端，我想检测到这种情况，并让代理等待来自服务器的下一个数据包，并将其与前一个数据包连接起来，然后再发送给客户端。

假设我将来自服务器的数据视为一个简单的字节数组，那么可以用来可靠地检测到这些字节以UTF-8序列中间结尾的情况的最简单逻辑是什么？

Answer 1

这是我使用(在JavaScript中)总结的逻辑:

function incompleteUTF8(buf) {
    for(var ix = Math.max(buf.length - 6, 0); ix < buf.length; ix++) {
        var ch = buf[ix];
        if(ch < 0x80)
            continue;
        if((ch & 0xe0) === 0xc0)
            ix++;
        else if((ch & 0xf0) === 0xe0)
            ix += 2;
        else if((ch & 0xf8) === 0xf0)
            ix += 3;
        else if((ch & 0xfc) === 0xf8)
            ix += 4;
        else if((ch & 0xfe) === 0xfc)
            ix += 5;
        else
            continue;
        if(ix >= buf.length)
            return true;
    }
    return false;
}