Re: [LOCALE] UTF-8 er noget værre slam

[Keld Jørn Simonsen <sslug@sslug>]

On Tue, Jul 05, 2005 at 08:31:12PM +0200, Ole Laursen wrote:
> Keld Jørn Simonsen <sslug@sslug> writes:
> 
> >> Der er forskel på hvad Java-sproget stiller til rådighed og hvad den
> >> virtuelle maskine benytter. Sproget benytter 16 bit-tegn, men den
> >> virtuelle maskine gemmer strengkonstanter i UTF-8 så vidt jeg husker.
> >> Se her under afsnit "5.4 String Resolution":
> >> 
> >>   http://www.cs.arizona.edu/~collberg/Research/Java-VMSpec/ConstantPool.doc.html
> >
> > Hmm, så vidt jeg kan se er det kun navnene på variablene som er i utf-8,
> > og de kan jo vistnok være url-er, so det er meget praktisk. Det er ikke
> > strengene selv, strenge der skal behandles, men variabelnavne (tror jeg
> > nok).
> 
> Næh, det er strengkonstanter. Hvis f.eks. du skriver
> 
>   string s = "Rødgrød med fløde";
> 
> bliver "Rødgrød med fløde" gemt som en strengkonstant et sted i den
> oversatte bytekode, ligesom hvis man havde skrevet
> 
>   char *s = "Rødgrød med fløde";
> 
> i et C-program hvor du så ville kunne finde "Rødgrød med fløde" ved at
> køre "strings" på den binære fil (lige pånær problemer med ø'erne
> selvfølgelig). Jeg er rimeligt sikker på dette for vi implementerede
> nemlig en oversætter der spyttede JVM-assembler ud for et par semestre
> siden.
> 
> Variabelnavne kan i øvrigt ikke være URL'er? De følger almindelig
> gængs programkodesyntaks så vidt jeg da er orienteret.

OK, jeg er ikke godt hjemme i Java, men strengkonstanter gemmes altså i
utf-8.

Hvordan så med behandling af strenge, hvor der indgår strengkonstanter?

fx noget ala strcmp(str,"rødgrød")
vil der være konvertering on the fly? Givet at strenge internt behandles
i ucs-2, og konstanterne i utf-8?

Hilsen
keld