UTF-7 解码在 Qt 应用程序中产生不正确的字符

Question

我正在开发一个基于 Qt 的文本编辑器，并尝试解码以 UTF-7 编码的文本。但是，我遇到了解码字符不正确的问题。例如，解码文本 Hello, +Z1TA-（Hello, 世界的 UTF-7 表示形式）会生成 Hello, ᙎ䱵。

我已经在类 InterpreteAsUtf7 中实现了解码逻辑，但我处理 Base64 段或将它们转换为 UTF-16 的方式似乎存在问题。

这是一个演示该问题的简单应用程序。硬编码的 UTF-7 编码字符串（“Hello，+Z1TA-”）应该解码为“Hello，世界”，但事实并非如此。有人可以帮忙确定解码逻辑有什么问题吗？

#include <QString>
#include <QByteArray>
#include <QDebug>

class InterpreteAsUtf7 {
public:
    static QString decodeUtf7(const QByteArray& utf7Data);

private:
    static QString processBase64Segment(const QByteArray& base64Buffer, bool& errorFlag);
    static QString convertToUtf16LE(const QByteArray& decodedBytes, bool& errorFlag);
};

QString InterpreteAsUtf7::decodeUtf7(const QByteArray& utf7Data) {
    QString result;
    QByteArray base64Buffer;
    bool inBase64 = false;
    bool decodingError = false;

    for (char c : utf7Data) {
        if (c == '+') {
            if (inBase64) {
                result += "+" + base64Buffer;  // Unclosed Base64 section treated as literal
                base64Buffer.clear();
            }
            inBase64 = true;
            continue;
        }

        if (c == '-' && inBase64) {
            result += processBase64Segment(base64Buffer, decodingError);
            base64Buffer.clear();
            inBase64 = false;
            continue;
        }

        if (inBase64) {
            base64Buffer.append(c);
        } else {
            result += QChar(c);  // Literal character
        }
    }

    if (inBase64) {
        result += "+" + base64Buffer;  // Unclosed Base64 treated as literal
    }

    return result;
}

QString InterpreteAsUtf7::processBase64Segment(const QByteArray& base64Buffer, bool& errorFlag) {
    QByteArray decodedBytes = QByteArray::fromBase64(base64Buffer);
    if (decodedBytes.isEmpty()) {
        errorFlag = true;
        qWarning() << "[WARNING] Base64 decoding failed for:" << base64Buffer;
        return QString();
    }
    return convertToUtf16LE(decodedBytes, errorFlag);
}

QString InterpreteAsUtf7::convertToUtf16LE(const QByteArray& decodedBytes, bool& errorFlag) {
    if (decodedBytes.size() % 2 != 0) {
        errorFlag = true;
        qWarning() << "[WARNING] Decoded bytes not aligned for UTF-16:" << decodedBytes;
        return QString();
    }

    QString result;
    for (int i = 0; i < decodedBytes.size(); i += 2) {
        ushort codeUnit = static_cast<uchar>(decodedBytes[i]) |
                          (static_cast<uchar>(decodedBytes[i + 1]) << 8);
        result.append(QChar(codeUnit));
    }
    return result;
}

int main() {
    QByteArray utf7Data = "Hello, +Z1TA-";  // UTF-7 encoded string for "Hello, 世界"
    QString decodedText = InterpreteAsUtf7::decodeUtf7(utf7Data);

    qDebug() << "Original UTF-7:" << utf7Data;
    qDebug() << "Decoded UTF-7:" << decodedText;

    return 0;
}

Answer 1

我发现两个错误，

首先：编码的

世界

应该是

ThZ1TA

我就是这样发现的：

echo -n 世界 | iconv -t UTF-16 | tail -c 4 | base64

第二：

convertToUtf16LE

如果翻转字节就可以工作

ushort codeUnit = static_cast<uchar>(decodedBytes[i + 1]) |
                          (static_cast<uchar>(decodedBytes[i]) << 8);