Java とか Android (DEX) の MUTF-8 (Modified UTF-8) って何者よ？っていう話 - bearmini's blog

Android の APK の DEX をゴニョゴニョしてたら、DEX の string 領域に格納されている文字列は実は UTF-8 じゃなくてちょっと modify された MUTF-8 (Modified UTF-8) だということが判明して軽くショックを受けています。 Wikipedia の UTF-8 の項によりますと、標準の UTF-8 から以下の 2 つの変更点があるようです。 null 文字 (U+0000) を 0x00 という 1 バイトにエンコードしないで 0xC0, 0x80 というバイト列にエンコードする（UTF-8 のルールに則って 0xC0, 0x80 をデコードすると U+0000 に戻る。shortest possible representation に違反している） U+10000 〜 U+10FFF のコードポイント -- UTF-16 だとサロゲー

[craf]

JNI呼び出しで jstring を GetStringUTFChars で変換しているとひどい目にあう。4バイト以上の文字だけ違うのがたちが悪い。Java側でutf-8に変換しておくのが無難。

[yasuharu519]

エンコーディングの話