tinyxml解析UTF 8字符集的xml

今天在程式中遇到，當通訊的xml裡面含有中文字元的時候，tinyxml解析時總是報錯，不能進行解析，查詢原因後發現是tinyxml在解析utf-8字符集的xml時，需要特殊指定字符集才行，下面是對於讀取檔案和直接解析字串所需的tinyxml函式的使用方式。

一、需解析的xml

<?xml version="1.0" encoding="utf-8"?>21 0全天侯模板 111111111111111111111111111111111111111111111110 111111111111111111111111111111111111111111111110 111111111111111111111111111111111111111111111110 111111111111111111111111111111111111111111111110 111111111111111111111111111111111111111111111110 111111111111111111111111111111111111111111111110 111111111111111111111111111111111111111111111110 220工作日模板 000000000000000000111111111111111110000000000000 000000000000000000111111111111111110000000000000 000000000000000000111111111111111110000000000000 000000000000000000111111111111111110000000000000 000000000000000000111111111111111110000000000000 000000000000000000000000000000000000000000000000 000000000000000000000000000000000000000000000000

二、讀取xml檔案，tinyxml處理方式

tixmldocument *xmlfile= new tixmldocument(filepath);
xmlfile->loadfile(tixml_encoding_utf8);

三、讀取xml字串，tinyxml處理方式

tixmldocument mydocument;
mydocument.parse(xmlparament,0,tixml_encoding_utf8);
//或者mydocument.parse(xmlparament,0,tixml_encoding_legacy);
if( !mydocument.error() )
tixmlelement* schedtemplele = paramentele->firstchildelement("schedtempl");
while(schedtemplele)
}

說明（引用官方的翻譯）

一般地，tinyxml 試著檢測正確的編碼方式並使用它。但是，可以通過在標頭檔案中設定 tixml_default_encoding 的值來強制使用某一種編碼方式。

tinyxml 將要假設一種合法模式，直到一下的其中之一發生：

1）如果不是標準的，但是 utf-8 帶頭位元組（utf-8 lead bytes）出現在檔案或資料流的頭部，tinyxml 將按照 utf-8 的編碼方式讀取。

2）如果宣告的標籤被讀取，並且它有個 encoding="utf-8"，則按照 utf-8 編碼方式讀取。

3）如果宣告的標籤被讀取，它沒有特殊的編碼，則按照 utf-8 編碼。

4）如果宣告表中是 encoding="something else"，tinyxml 將其讀作為合法模式（legacy mode）。在合法模式中，tinyxml 和以前工作一樣。不清楚具體是哪種模式，老的內容應該保持工作。

5）直到上面的一種準則滿足，tinyxml 按照合法模式執行。

如果編碼是不正確的，或者被檢測出來將要發生什麼？tinyxml 將其看做不合適的編碼。你可能得到的是不正確的結果或亂碼。你可能想強制 tinyxml 變為正確的模式。

這一通過 loadfile( tixml_encoding_legacy ) 或者 loadfile( filename, tixml_encoding_legacy ) 的方式強制 tinyxml 設定為合法模式。你可以設定 tixml_default_encoding = tixml_encoding_legacy 來一直使用合法模式。同樣地，你也可以使用同樣的技術將其設定為 tixml_encoding_utf8。

對於英語使用者，使用英文的 xml，utf-8 與 low-ascii 是一樣的，你不需要檢測 utf-8 或者改變你的**。可以將 utf-8 看做 ascii 的乙個超集。

utf-8 不是雙位元組格式，但是它是 unicode 的標準編碼。

tinyxml 不使用和直接同時支援 wchar, tchar, 或者微軟的 _unicode。

用 unicode 指代 utf-16 是不合適的，utf-16 是 unicode 的一種寬位元組編碼方式。這引起了混亂。

對於 high-ascii 語言，tinyxml 可以處理所有的語言，同時，只要 xml 被編碼成 utf-8。這樣有些滑稽，老的程式設計師和作業系統趨向於使用 default 和 traditional 的**頁。許多應用可以輸出 utf-8，但是老或者頑固的應用是以預設的**頁輸出文字的。

對轉換編碼做了很好的介紹

tinyxml解析UTF 8字符集的xml

UTF 8字元處理

PHP正確解析UTF 8字串

Python去除文字中非utf8字元

tinyxml解析UTF 8字符集的xml

UTF 8字元處理

PHP正確解析UTF 8字串

Python去除文字中非utf8字元

相關推薦