處理SIM800L模塊的中文短信內容

當SIM800L模塊工作在文本模式（AT+CMGF=1），使用AT+CMGR=1讀取的非中文短信會直接返回內容，中文短信會顯示16進制值，比如：

+CMGL: 1,"REC UNREAD","10655000531001147525","","20/03/15,16:01:31+32"
30104F174FE160A054C965C56E3830115C0A656C76844F1A5458FF0C60A876849A8C8BC17801662FFF1A003100370031003900370038FF0C67096548671F003100305206949FFF0C8BF75728987597624E2D586B51996B649A8C8BC17801FF0C8FDB884C540E7EED64CD4F5C3002

// 短信內容為：【眾信悠哉旅游】尊敬的會員，您的驗證碼是：171978，有效期10分鍾，請在頁面中填寫此驗證碼，進行后續操作。

　　

當AT+CSDH=1時，會返回更詳細的資料：

+CMGR: <stat>,<oa>[,<alpha>],<scts>[,<tooa>,<fo>,<pid>,<dcs>,<sca>,<tosca>,<length>]<CR><LF><data>

當AT+CSDH=0時（模塊默認值），只會返回：

+CMGR: <stat>,<oa><CR><LF><data>

　　

STM32單片機將短信內容通過SIM800L發送到我們服務器后端時， 如果是中文短信需要將16進制值轉換成中文字符串。

如何在JAVA中轉換？ 根據【參考資料1】中我們得知，可以用DatatypeConverter類中的parseHexBinary方法：

String input = "30104F174FE160A054C965C56E383011";
byte[] bytes = DatatypeConverter.parseHexBinary(input);
String result = new String(bytes);
System.out.println(result);

　　

然后我就測試了，發現亂碼。。。

查看String類的構造方法【參考資料2】發現可以輸入一個字節數組和一個指定的字符集解碼，然后我嘗試了"UTF-8","GBK",都不行，仍然是亂碼。

然后我就去查了String構造方法中的Charset參數【參考資料3】，發現Charset類中這幾類標准字符集：

Charset　　　　Description

US-ASCII	　　　Seven-bit ASCII, a.k.a. ISO646-US, a.k.a. the Basic Latin block of the Unicode character set
ISO-8859-1  	ISO Latin Alphabet No. 1, a.k.a. ISO-LATIN-1
UTF-8	　　　　Eight-bit UCS Transformation Format
UTF-16BE	　　Sixteen-bit UCS Transformation Format, big-endian byte order
UTF-16LE	　　Sixteen-bit UCS Transformation Format, little-endian byte order
UTF-16	　　　　Sixteen-bit UCS Transformation Format, byte order identified by an optional byte-order mark

　　

然后就想了，怎么確定SIM800L模塊返回的16進制值用的是哪種編碼呢？

反推吧，我用中文字符串生成這六種編碼方式的字節數組，然后將字節數組轉換成字符串。

發現采用的就是 "UTF-16BE",然后我將前面的代碼加入指定字符集后測試成功：

String input = "30104F174FE160A054C965C56E383011";
byte[] bytes = DatatypeConverter.parseHexBinary(input);
String result = new String(bytes,"UTF-16BE");
System.out.println(result);

　　

然后我就想看看他們三是啥關系：UTF-16BE UTF-16LE UTF-16，根據【參考資料4】

UTF-16BE：utf-16 big-endian 大端序，也稱大尾序

UTF-16LE：utf-16 little-endian 小端序，也稱小尾序

UTF-16：　　基於不同的平台默認使用以上兩種尾序，比如蘋果Mac系統中 UTF-16 = UTF-16BE；Windows和Linux中 UTF-16 = UTF-16LE。

上兩張直觀的圖【來源】

 

看到UTF-16 和UCS-2的關系才想起來，SIM800的中文編碼就是采用的UCS-2

UTF-16可看成是UCS-2的父集。在沒有輔助平面字符（surrogate code points）前，UTF-16與UCS-2所指的是同一的意思。但當引入輔助平面字符后，就稱為UTF-16了。現在若有軟件聲稱自己支持UCS-2編碼，那其實是暗指它不能支持在UTF-16中超過2字節的字集。對於小於0x10000的UCS碼，UTF-16編碼就等於UCS碼。

然后我就回過頭去測試了一下 "UTF-16"字符集 發現也OK

 

 

根據【這里】的資料說明，Java平台中UTF-16默認使用大端序，所以指定UTF-16字符集也可以成功解碼。

 

 

 

 

參考資料1：https://www.baeldung.com/java-base64-encode-and-decode

參考資料2：https://docs.oracle.com/javase/7/docs/api/java/lang/String.html

參考資料3：https://docs.oracle.com/javase/7/docs/api/java/nio/charset/Charset.html

參考資料4：https://zh.wikipedia.org/wiki/UTF-16

參考資料5：https://zh.wikipedia.org/wiki/%E5%AD%97%E8%8A%82%E5%BA%8F#%E5%A4%A7%E7%AB%AF%E5%BA%8F

參考資料6：https://xiaogd.net/%E7%BD%91%E9%A1%B5%E4%B8%AD%E7%9A%84%E7%BC%96%E7%A0%81%E4%B8%8E%E4%B9%B1%E7%A0%81%EF%BC%884%EF%BC%89/