Equinox MANIFEST.MF 中文处理 Bug

之前一段时间排查一个应用在中文目录下无法启动的问题，查过一个 Equinox 的 Manifest 处理的坑。今天，一个同事在写 Equinox 插件的时候也遇到了类似的问题。这里记录一下 Equinox 里面对 Manifest 中的中文处理的坑。

问题描述

先来看一段代码：

package manifest;

import java.io.*;
import java.util.HashMap;
import java.util.Map;
import java.util.jar.Manifest;

import org.eclipse.osgi.util.ManifestElement;
import org.osgi.framework.BundleException;

public class Test {
    private static String chineseString = "你好，世界你好，世界你好，世界你好，世界你好，世界你好，世界你好，世界你好，世界你好，世界你好，世界你好，世界你好，世界";

    public static void main(String[] args) throws IOException, BundleException {
        File manifestFile = createManifest();

        // 使用 ManifestElement 读取
        Map header = new HashMap<>();
        ManifestElement.parseBundleManifest(new FileInputStream(manifestFile), header);
        System.out.println(header.get("Test-Headers"));
    }

    private static File createManifest() throws IOException {
        Manifest manifest = new Manifest();
        manifest.getMainAttributes().putValue("Manifest-Version", "1.0");
        // 创建一个带有中文的 Header，MANIFEST.MF 的一行的最大长度是 72 字节，中文在这里会被阶段
        manifest.getMainAttributes().putValue("Test-Headers", chineseString);

        File file = new File("MANIFEST.MF");

        if (!file.exists()) {
            file.createNewFile();
        }

        OutputStream outputStream = new FileOutputStream(file);

        manifest.write(outputStream);
        outputStream.flush();
        outputStream.close();

        return file;
    }
}

这一段代码虽然比较长，但是实际上的内容其实不多，主要做了这几步：

1. 创建一个内容带有中文的 MANIFEST.MF 文件。
2. 写入 MANIFEST.MF 文件到磁盘上。
3. 用 Equinox 的 ManifestElement 来读取 MANFIEST.MF。
4. 输出刚才的带有中文的 Header

上面的这段代码在我本地的执行结果如下：

你好，世界你好，世界你好，世界你好，��界你好，世界你好，世界你好，世界你好，世界你��，世界你好，世界你好，世界你好，世界

大家可以看到，中间有几个地方出现了乱码，同样的代码，如果用标准的 JDK 的方式来读取，是不会出现这种情况，为什么呢？

原因

首先，我们知道 UTF-8 的中文是占据了三个字节，而 MANIFEST.MF 文件一行的最大长度是 72 个字节，也就是说，如果你的 MANIFEST.MF 中含有中文，那么这个中文的三个字节可能会被截断，出现一部分在上面一行，一部分在下面一行的情况。上面的 MANIFEST.MF 文件就出现了这种情况，可以 cat 这个文件来看一下：

[~/Desktop/test]$ cat MANIFEST.MF
Manifest-Version: 1.0
Test-Headers: 你好，世界你好，世界你好，世界你好，�
 �界你好，世界你好，世界你好，世界你好，世界你�
 �，世界你好，世界你好，世界你好，世界

不过，即使这样写入了，如果读取的时候完全按照字节来读取的话，那也应该没有问题。但是，Equinox 比较特立独行，看下 Equinox 读取 Manifest 的关键代码：

作死的 Equinox 将一行读取出来以后直接转成了一个 string，而 byte 在转 string 的时候，如果遇到无法转的字节的话，会用 � 来替代，于是就出现了上面的情况。（关于 �，可以看 http://en.wikipedia.org/wiki/Specials_(Unicode_block)）

解决方法

这个问题除非 Equinox 修复了此 Bug，否则是无解的。只能说在用到 Equinox 的时候，尽量不要使用中文的 Header 吧。