如何在 WebAssembly 中构建和使用 libicu

Question

我对 JavaScript 项目（在浏览器中）中的 ICU63 库的单词迭代器感兴趣。因此，在阅读文档后，我相信 ICU 默认使用 UTF-16，这与 JS 相同，它可以避免我将 JS 字符串编码为其他内容。

第一步是构建一个具有我需要的唯一功能的包装器（我还不知道它是否有效）：

#include "emscripten.h"
#include <string.h>
#include <unicode/brkiter.h>
#include <unicode/unistr.h>
#include <unicode/errorcode.h>

using namespace icu_63; 

EMSCRIPTEN_KEEPALIVE
int splitWords(const char *locale, const uint16_t *text, uint16_t *splitted) {
    //Note that Javascript is working in UTF-16
    //icu::
    UnicodeString result = UnicodeString();
    UnicodeString visibleSpace = UnicodeString(" ");
    int32_t previousIdx = 0;
    int32_t idx = -1;

    //Create a Unicode String from input
    UnicodeString uTextArg = UnicodeString(text);
    if (uTextArg.isBogus()) {
        return -1; // input string is bogus
    }

    //Create and init the iterator
    UErrorCode err = U_ZERO_ERROR;
    BreakIterator *iter = BreakIterator::createWordInstance(locale, err);
    if (U_FAILURE(err)) {
        return -2; // cannot build iterator
    }
    iter->setText(uTextArg);

    //Iterate and store results
    while ((idx = iter->next()) != -1) {
        UnicodeString word = UnicodeString(uTextArg, idx, idx - previousIdx);
        result += word;
        result += visibleSpace;
        previousIdx = idx;
    }
    result.trim();
    //The buffer contains UTF-16 characters, so it takes 2 bytes per point
    memcpy(splitted, result.getBuffer(), result.getCapacity() * 2);
    return 0;
}

它可以编译并且看起来不错，只是在尝试链接时缺少符号，因为我不知道如何继续。

LibICU 看起来需要大量内置数据。就我而言，频率表对于使用单词迭代器是必需的。

我是否应该尝试将包装器复制到源文件夹中并尝试找出如何使用emconfigure。或者当我尝试编译我的包装器时是否可以链接 libicu？第二个选项看起来像是浪费数据，因为我对库的大部分不感兴趣。

Answer 1

根据我的经验，处理库的最简单方法是首先使用emconfigure/构建库emmake，然后将它们静态链接到您自己的代码。就像下面这样：

$ emcc your_wrapper.cpp \
       your_compiled_libICU_static_lib.a \
       -o result.js

emconfigure使用/编译库emmake有时相当困难，因为您可能需要修改源代码才能使其在 WebAssembly 中工作。

但是……好消息！Emscripten 提供了一些流行且复杂的库的端口，ICU 就是其中之一。

您可以使用标志来编译代码，而无需自己编译 ICU -s USE_ICU=1：

$ emcc your_wrapper.cpp \
       -s USE_ICU=1 \
       -s ERROR_ON_UNDEFINED_SYMBOLS=0 \
       -std=c++11

需要注意的是 Emscripten ICU 端口是 ICU 62。因此您需要更改using namespace icu_63;为using namespace icu_62;