如何在R中实现二进制与UTF-8互转并编写decode函数用于ShinyApp？

先理清R中raw类型及相关函数 #

在R中，raw类型是专门用于存储字节数据的，每个raw元素对应一个0-255的字节值（通常以十六进制形式展示，比如0x41就是字符"A"的ASCII字节）。核心相关函数的作用：

• charToRaw(x)：将UTF-8字符串x转换为raw向量，向量中的每个元素对应字符串中一个UTF-8字节。
• rawToChar(x)：将raw向量x转换回UTF-8字符串，是charToRaw的逆操作。
• rawToBits(x)：将单个raw字节转换为8个逻辑值（对应二进制位，低位在前），所以你之前的encode函数中用rev()是为了把二进制位调整为高位在前的常规顺序。

优化后的encode函数 #

你提供的encode可以简化为更高效的版本，无需循环和列表操作：

encode <- function(message) {
  # 将字符串转成raw字节向量
  raw_bytes <- charToRaw(message)
  # 每个raw字节转成高位在前的8位二进制字符串
  bin_strs <- sapply(raw_bytes, function(byte) {
    paste(rev(as.integer(rawToBits(byte))), collapse = "")
  })
  # 拼接所有二进制字符串
  paste(bin_strs, collapse = "")
}

实现decode函数（解决字节判断问题） #

解码的核心是根据UTF-8的编码规则判断每个字符占用的字节数，UTF-8的字节规则：

• 单字节字符：二进制以0开头（字节值 < 0x80）
• 双字节字符：起始字节以110开头（0xC0 ≤ 字节值 < 0xE0），后跟1个以10开头的字节
• 三字节字符：起始字节以1110开头（0xE0 ≤ 字节值 < 0xF0），后跟2个以10开头的字节
• 四字节字符：起始字节以11110开头（0xF0 ≤ 字节值 < 0xF8），后跟3个以10开头的字节

基于此编写的decode函数：

decode <- function(bin_str) {
  # 验证输入合法性：仅含0/1，且长度为8的倍数（每个字节8位）
  if (!grepl("^[01]+$", bin_str) || nchar(bin_str) %% 8 != 0) {
    stop("输入必须是仅包含0和1的字符串，且长度为8的倍数")
  }
  
  # 将二进制字符串按每8位拆分
  bin_groups <- strsplit(bin_str, "(?<=.{8})", perl = TRUE)[[1]]
  
  # 把每组8位二进制转成raw字节
  raw_bytes <- sapply(bin_groups, function(group) {
    as.raw(strtoi(group, base = 2))
  })
  
  # 按UTF-8规则分组字节并转换为字符
  result <- character(0)
  i <- 1
  total_bytes <- length(raw_bytes)
  
  while (i <= total_bytes) {
    current_byte <- as.integer(raw_bytes[i])
    
    if (current_byte < 0x80) {
      # 单字节字符
      char_bytes <- raw_bytes[i]
      i <- i + 1
    } else if (current_byte >= 0xC0 && current_byte < 0xE0) {
      # 双字节字符，检查后续字节是否存在
      if (i + 1 > total_bytes) stop("无效的UTF-8二进制序列")
      char_bytes <- raw_bytes[i:(i+1)]
      i <- i + 2
    } else if (current_byte >= 0xE0 && current_byte < 0xF0) {
      # 三字节字符
      if (i + 2 > total_bytes) stop("无效的UTF-8二进制序列")
      char_bytes <- raw_bytes[i:(i+2)]
      i <- i + 3
    } else if (current_byte >= 0xF0 && current_byte < 0xF8) {
      # 四字节字符
      if (i + 3 > total_bytes) stop("无效的UTF-8二进制序列")
      char_bytes <- raw_bytes[i:(i+3)]
      i <- i + 4
    } else {
      stop("无效的UTF-8起始字节")
    }
    
    # 将字节序列转成字符并加入结果
    result <- c(result, rawToChar(char_bytes))
  }
  
  # 拼接所有字符
  paste(result, collapse = "")
}

测试验证 #

encode("Aé") 
# 输出："010000011100001110101001"

decode("010000011100001110101001") 
# 输出："Aé"

简单的ShinyApp框架 #

将上述函数整合到ShinyApp中：

library(shiny)

# 先定义encode和decode函数
encode <- function(message) {
  raw_bytes <- charToRaw(message)
  bin_strs <- sapply(raw_bytes, function(byte) {
    paste(rev(as.integer(rawToBits(byte))), collapse = "")
  })
  paste(bin_strs, collapse = "")
}

decode <- function(bin_str) {
  if (!grepl("^[01]+$", bin_str) || nchar(bin_str) %% 8 != 0) {
    stop("输入必须是仅包含0和1的字符串，且长度为8的倍数")
  }
  
  bin_groups <- strsplit(bin_str, "(?<=.{8})", perl = TRUE)[[1]]
  raw_bytes <- sapply(bin_groups, function(group) {
    as.raw(strtoi(group, base = 2))
  })
  
  result <- character(0)
  i <- 1
  total_bytes <- length(raw_bytes)
  
  while (i <= total_bytes) {
    current_byte <- as.integer(raw_bytes[i])
    
    if (current_byte < 0x80) {
      char_bytes <- raw_bytes[i]
      i <- i + 1
    } else if (current_byte >= 0xC0 && current_byte < 0xE0) {
      if (i + 1 > total_bytes) stop("无效的UTF-8二进制序列")
      char_bytes <- raw_bytes[i:(i+1)]
      i <- i + 2
    } else if (current_byte >= 0xE0 && current_byte < 0xF0) {
      if (i + 2 > total_bytes) stop("无效的UTF-8二进制序列")
      char_bytes <- raw_bytes[i:(i+2)]
      i <- i + 3
    } else if (current_byte >= 0xF0 && current_byte < 0xF8) {
      if (i + 3 > total_bytes) stop("无效的UTF-8二进制序列")
      char_bytes <- raw_bytes[i:(i+3)]
      i <- i + 4
    } else {
      stop("无效的UTF-8起始字节")
    }
    
    result <- c(result, rawToChar(char_bytes))
  }
  
  paste(result, collapse = "")
}

# UI部分
ui <- fluidPage(
  titlePanel("UTF-8 ↔ 二进制互转工具"),
  sidebarLayout(
    sidebarPanel(
      textInput("utf8_input", "输入UTF-8字符串：", placeholder = "例如：Aé"),
      actionButton("encode_btn", "编码为二进制"),
      hr(),
      textInput("bin_input", "输入二进制字符串：", placeholder = "例如：010000011100001110101001"),
      actionButton("decode_btn", "解码为UTF-8字符串")
    ),
    mainPanel(
      h4("编码结果"),
      verbatimTextOutput("encode_result"),
      hr(),
      h4("解码结果"),
      verbatimTextOutput("decode_result")
    )
  )
)

# Server部分
server <- function(input, output) {
  observeEvent(input$encode_btn, {
    if (nchar(input$utf8_input) == 0) {
      output$encode_result <- renderPrint("请输入要编码的UTF-8字符串")
      return()
    }
    output$encode_result <- renderPrint({
      cat(encode(input$utf8_input))
    })
  })
  
  observeEvent(input$decode_btn, {
    if (nchar(input$bin_input) == 0) {
      output$decode_result <- renderPrint("请输入要解码的二进制字符串")
      return()
    }
    tryCatch({
      output$decode_result <- renderPrint({
        cat(decode(input$bin_input))
      })
    }, error = function(e) {
      output$decode_result <- renderPrint(paste("解码失败：", e$message))
    })
  })
}

shinyApp(ui, server)

内容的提问来源于stack exchange，提问作者Francois51