tinyxml解析UTF-8字符集的xml

以你之姓@ 2022-08-23 13:47 304阅读 0赞

今天在程序中遇到，当通讯的xml里面含有中文字符的时候，tinyxml解析时总是报错，不能进行解析，查找原因后发现是tinyxml在解析UTF-8字符集的xml时，需要特殊指定字符集才行，下面是对于读取文件和直接解析字符串所需的tinyxml函数的使用方式。

一、需解析的xml

<?xml version="1.0" encoding="utf-8"?>
    <Parament>
      <SchedTempl>
        <CommandType>2</CommandType>
        <SchedTemplID>1</SchedTemplID>
        <SchedType>0</SchedType>
        <SchedName>全天侯模板</SchedName>
        <MondaySched>111111111111111111111111111111111111111111111110</MondaySched>
        <TuesdaySched>111111111111111111111111111111111111111111111110</TuesdaySched>
        <WednesdaySched>111111111111111111111111111111111111111111111110</WednesdaySched>
        <ThursdaySched>111111111111111111111111111111111111111111111110</ThursdaySched>
        <FridaySched>111111111111111111111111111111111111111111111110</FridaySched>
        <SaturdaySched>111111111111111111111111111111111111111111111110</SaturdaySched>
        <SundaySched>111111111111111111111111111111111111111111111110</SundaySched>
      </SchedTempl>
      <SchedTempl>
        <CommandType>2</CommandType>
        <SchedTemplID>2</SchedTemplID>
        <SchedType>0</SchedType>
        <SchedName>工作日模板</SchedName>
        <MondaySched>000000000000000000111111111111111110000000000000</MondaySched>
        <TuesdaySched>
        000000000000000000111111111111111110000000000000</TuesdaySched>
        <WednesdaySched>
        000000000000000000111111111111111110000000000000</WednesdaySched>
        <ThursdaySched>
        000000000000000000111111111111111110000000000000</ThursdaySched>
        <FridaySched>
        000000000000000000111111111111111110000000000000</FridaySched>
        <SaturdaySched>
        000000000000000000000000000000000000000000000000</SaturdaySched>
        <SundaySched>
        000000000000000000000000000000000000000000000000</SundaySched>
      </SchedTempl>
    </Parament>

二、读取xml文件，tinyxml处理方式

TiXmlDocument *xmlfile= new TiXmlDocument(FilePath);
    xmlfile->LoadFile(TIXML_ENCODING_UTF8);

三、读取xml字符串，tinyxml处理方式

TiXmlDocument myDocument;
    myDocument.Parse(xmlParament,0,TIXML_ENCODING_UTF8);
    //或者myDocument.Parse(xmlParament,0,TIXML_ENCODING_LEGACY);
    if( !myDocument.Error() ){
    	TiXmlElement* paramentEle = myDocument.FirstChildElement(PARAMENT_PARENT_NODE_NAME);
    	if (paramentEle==NULL)
    	{
    		return FALSE;
    	}
    	TiXmlElement* schedTemplEle = paramentEle->FirstChildElement("SchedTempl");
    	while(schedTemplEle)
    	{
    		RecordScheduleTemplateInfo templInfo;
    		TIXML_NODE_VALUE_FROM_PARENT(schedTemplEle,"SchedTemplID",&templInfo.schedTemplId);
    		TIXML_NODE_VALUE_FROM_PARENT(schedTemplEle,"SchedType",&templInfo.schedType);
    		templInfo.schedName = TIXML_NODE_TEXT_FROM_PARENT(schedTemplEle,"SchedName","");
    		templInfo.mondaySched = TIXML_NODE_TEXT_FROM_PARENT(schedTemplEle,"MondaySched","");
    		templInfo.tuesdaySched = TIXML_NODE_TEXT_FROM_PARENT(schedTemplEle,"TuesdaySched","");
    		templInfo.wednesdaySched = TIXML_NODE_TEXT_FROM_PARENT(schedTemplEle,"WednesdaySched","");
    		templInfo.thursdaySched = TIXML_NODE_TEXT_FROM_PARENT(schedTemplEle,"ThursdaySched","");
    		templInfo.fridaySched = TIXML_NODE_TEXT_FROM_PARENT(schedTemplEle,"FridaySched","");
    		templInfo.saturdaySched = TIXML_NODE_TEXT_FROM_PARENT(schedTemplEle,"SaturdaySched","");
    		templInfo.sundaySched = TIXML_NODE_TEXT_FROM_PARENT(schedTemplEle,"SundaySched","");
    		this->schedTemplInfoList.push_back(templInfo);
    
    		schedTemplEle = schedTemplEle->NextSiblingElement();
    	}
    }

说明（引用官方的翻译）

一般地，TinyXML 试着检测正确的编码方式并使用它。但是，可以通过在头文件中设置 TIXML\_DEFAULT\_ENCODING 的值来强制使用某一种编码方式。

TinyXML 将要假设一种合法模式，直到一下的其中之一发生：  
 1）如果不是标准的，但是 UTF-8 带头字节（UTF-8 lead bytes）出现在文件或数据流的头部，TinyXML 将按照 UTF-8 的编码方式读取。  
 2）如果声明的标签被读取，并且它有个 encoding="UTF-8"，则按照 UTF-8 编码方式读取。  
 3）如果声明的标签被读取，它没有特殊的编码，则按照 UTF-8 编码。  
 4）如果声明表中是 encoding="something else"，TinyXML 将其读作为合法模式（legacy mode）。在合法模式中，TinyXML 和以前工作一样。不清楚具体是哪种模式，老的内容应该保持工作。  
 5）直到上面的一种准则满足，TinyXML 按照合法模式执行。

如果编码是不正确的，或者被检测出来将要发生什么？TinyXML 将其看做不合适的编码。你可能得到的是不正确的结果或乱码。你可能想强制 TinyXML 变为正确的模式。  
这一通过 LoadFile( TIXML\_ENCODING\_LEGACY ) 或者 LoadFile( filename, TIXML\_ENCODING\_LEGACY ) 的方式强制 TinyXML 设置为合法模式。你可以设置 TIXML\_DEFAULT\_ENCODING = TIXML\_ENCODING\_LEGACY 来一直使用合法模式。同样地，你也可以使用同样的技术将其设置为 TIXML\_ENCODING\_UTF8。  
对于英语用户，使用英文的 XML，UTF-8 与 low-ASCII 是一样的，你不需要检测 UTF-8 或者改变你的代码。可以将 UTF-8 看做 ASCII 的一个超集。  
UTF-8 不是双字节格式，但是它是 Unicode 的标准编码。  
TinyXML 不使用和直接同时支持 wchar, TCHAR, 或者 微软的 \_UNICODE。  
用 Unicode 指代 UTF-16 是不合适的，UTF-16 是 Unicode 的一种宽字节编码方式。这引起了混乱。

对于 high-ascii 语言，TinyXML 可以处理所有的语言，同时，只要 XML 被编码成 UTF-8。这样有些滑稽，老的程序员和操作系统趋向于使用 default 和 traditional 的代码页。许多应用可以输出 UTF-8，但是老或者顽固的应用是以默认的代码页输出文本的。

[http://skew.org/xml/tutorial][http_skew.org_xml_tutorial] 对转换编码做了很好的介绍

[http_skew.org_xml_tutorial]: http://skew.org/xml/tutorial