3

我正在使用 Apache Commons Imaging (Sanselan) 将 EXIF 元数据写入 JPEG，并且至少在 Sanselan 的 0.97 版本中，存在一些与字符集/编码相关的错误。EXIF 2.2 标准要求类型字段的编码UNDEFINED以 8 字节 ASCII“签名”为前缀，描述以下内容的编码。我要写入的字段/标签是UserCommentEXIF 标签。

Windows 期望内容以 UTF16 编码，因此写入 JPEG 的字节必须包含（单字节）ASCII 字符和后跟（双字节）Unicode 字符的组合。此外，虽然UserComment似乎不需要它，但我注意到内容通常是“空填充”到均匀长度。

这是我用来创建和编写标签的代码：

String textToSet = "Test";
byte[] ASCIIMarker = new byte[]{ 0x55, 0x4E, 0x49, 0x43, 0x4F, 0x44, 0x45, 0x00 }; // spells out "UNICODE"
byte[] comment = textToSet.getBytes("UnicodeLittle"); 

// pad with \0 if (total) length is odd (or is \0 byte automatically added by arraycopy?)
int pad = (ASCIIMarker.length + comment.length) % 2;

byte[] bytesComment = new byte[ASCIIMarker.length + comment.length + pad];
System.arraycopy(ASCIIMarker, 0, bytesComment, 0, ASCIIMarker.length);
System.arraycopy(comment, 0, bytesComment, ASCIIMarker.length, comment.length);
if (pad > 0) bytesComment[bytesComment.length-1] = 0x00;

TiffOutputField exif_comment = new TiffOutputField(TiffConstants.EXIF_TAG_USER_COMMENT,
        TiffFieldTypeConstants.FIELD_TYPE_UNDEFINED, bytesComment.length - pad, bytesComment);

然后，当我从 JPEG 中读取标签时，我执行以下操作：

String textRead;
TiffField field = jpegMetadata.findEXIFValue(TiffConstants.EXIF_TAG_USER_COMMENT);
if (field != null) {
    textRead= new String(field.getByteArrayValue(), "UnicodeLittle");
}

让我感到困惑的是：写入 JPEG 的字节以 8 个 ASCII 字节为前缀，显然需要“剥离”这些字节，以便比较写入的内容和读取的内容：

if (textRead != null) {
  if (textToSet.equals(textRead)) {  // expecting this to FAIL
    print "Equal";  
  } else {
    print "Not equal";
    if (textToSet.equals(textRead.substring(5))) {  // this works
      print "Equal after all...";
    }
  }
}

但是为什么substring(5)，而不是…… substring(8)？如果是 4，我可能会认为 4 个双字节 (UTF-16) 符号总共 8 个字节，但它只有在我去掉5 个字节时才有效。这是否表明我没有bytesComment正确创建有效负载（字节数组）？

PS！我将更新到 2016 年发布的 Apache Commons Imaging RC 1.0，并希望修复了这些错误，但我仍然想了解为什么在我使用 0.97 达到这一点后它仍然有效 :-)

4

0 回答 0