ABAP

ABAP

关注
发信
关注(28)粉丝(399)

ABAP 调用第三方 API，遇到乱码该怎么办？

这是 Jerry 2022 年第二篇原创文章，也是本公众号第 370 篇原创文章。

之前有一个朋友在知乎上向我咨询过这个问题，我觉得很有代表性，所以专门用一篇文章来讲述一些相关知识点。

先看这位朋友遇到的具体问题。

用 Postman 调用第三方接口，里面的中文字符能够正常显示。

然而当用 ABAP 的 HTTP 工具类 CL_HTTP_CLIENT 的 response->get_data( ) 读取响应之后，发现里面的中文字符，例如 "访问成功" 是乱码：

首先明确一点，既然 Postman 能正确显示响应数据中的中文内容，说明 API provider 是不存在问题的，这个乱码问题出现在接收方，即 ABAP 代码的编程实现需要调整。

我们只要弄清楚出现乱码的原因，就能有的放矢进行修复了。

上个世纪 60 年代，美国制定了一套字符编码，定义了英文字符与二进制位之间的一一映射关系，称为 ASCII 码。将一个符号的图形显示，关联到其二进制存储位的这种行为，就称之为字符编码。ASCII 就是一种最简单的字符集和字符编码方式。

一个字节有 8 位，2 的 8 次方为 256，因此 1 个字节只能表示 256 种符号，而汉字的总数超过了 10 万个，显然无法用 1 个字节来存储。

除了大家熟悉的英文字符和汉字外，还有很多历史更悠久的文字，比如埃及象形文字：

以及周杰伦《爱在西元前》里提到的楔形文字：

有没有这样一种计算机编码方式，能够将这些稀奇古怪的符号都纳入其中呢？有，这就是 Unicode，正如其命名暗示的，Unicode 将世界各种语言的每个字符都分配了一个唯一的编码，以满足跨语言、跨平台的文本信息转换。

我们根据 Unicode 编码表，就能查到一个字符对应的 Unicode 编码，比如汉字 "汪"对应的 Unicode 编码为 00006C6A.

6C6A 的二进制表示为 0110 1100 0110 1010，需要两个字节进行存储。表示其他的符号，可能需要三个甚至四个字节存储。

另一方面，对于原本就存在于 ASCII 编码表中的英文字符，仅需 1 个字节就能存储。如果 Unicode 强制要求每个字符按照最大需要的存储空间，即 4 字节进行存储，显然对于英文字符来说，意味着极大的空间浪费。

因此，Unicode 仅仅定义字符到其编码的映射关系。而这些编码到底采取多少个字节进行存储，由 Unicode 具体的实现方式，比如 UTF-8，UTF16 等来决定。

UTF-8 是一种变长的编码方式，使用 1 到 4 个字节表示一个字符，符号不同，用于存储的字节长度也不同。比如 "汪" 的 UTF-8 码值为 E6B1AA，需要三个字节存储。

根据 SAP 帮助文档，ABAP 采用 UCS-2 编码方式，可以看成 UTF-16 的子集，因为 UCS-2 不支持 UTF-16 的 surrogates 区间内定义的一些特殊符号。

所谓 UTF-16，就是所有字符固定都用两个字节表示。

从下面这张表格能够看出，UTF-16 又分 UTF-16BE 和 UTF-16LE 两种实现方式。以汉字 "汪" 的 Unicode 编码值 6C6A 为例，如果 6C 存储在内存低位地址，6A 存储在内存高位地址，这就是 Big Endian 即大尾序(有时也译作大头，大端)存储方式，反之则为 Little Endian 即小尾序存储方式。

这两个名称来自英国讽刺寓言作家斯威夫特的《格列佛游记》。书中的小人国爆发了内战，战争起因竟然是人们争论吃鸡蛋时究竟应该从大头(Big Endian)一端敲开，还是从小头(Little Endian)敲开。

那么 ABAP 的 UCS-2(UTF-16 的子集), 到底是 BE 存储还是 LE 存储？一试便知。

在我的系统里，答案是 UTF-16LE.

另一种方式，直接检查系统类 CL_ABAP_CHAR_UTILITIES 的属性 ENDIAN. 在 Jerry 的系统里，该属性的值为 L，代表 Little Endian：

我们了解了这些知识，再来修复文章开头描述的乱码问题。

仔细观察 Postman 调用 API 的返回结果，发现还有一条重要信息：charset=GB18030，意思是 API 响应数据采取 GB18030 字符集编码。

汉字 "访" 的 GB18030 编码值为 B7C3，完全不等同于 UTF-16LE 中的编码值 BF8B.

如果我们在 ABAP 代码里，按照默认的 UTF-16LE 的方式去读取一个根据 GB18030 编码的符号，当然不会得到期望的结果。这种张冠李戴的解码方式见下图第 55 行的 get_cdata 方法，最后就会出现乱码。

正确的方式，采取第 57 行 get_data，返回一个 16 进制数据流，类型为 xstring:

在这个16 进制数据流里，我们已经看到了汉字 "访" 和 "问" 对应的 GB18030 编码值。

剩下的事情就容易了，使用字符集 GB18030 对这段数据流进行解码。

我们首先打开数据库表 TCP00, 根据关键词 18030 查询表字段 CPCOMMENT:

得到 GB18030 对应的 SAP Code Page 为 8401：

在下面这段代码中，传入 8401，变量 lv_binary 存储的是 16 进制数据流，变量 lv_text 存放的就是基于 GB18030 的 API 响应内容：

可以看到乱码已经消失了，在 ABAP 程序里显示的内容已经和 Postman 里观察到的完全一致了。

希望本文介绍的这个例子，能对大家在 ABAP 里处理中文乱码问题有所启发，感谢阅读。

Jerry 的 ABAP 专集

更多Jerry的原创文章，尽在："汪子熙":

03-05 23:01
Powered by LMLPHP ©2024 ABAP 0.085713