Xerces-c和跨平台字符串文本

Question

我正在将使用Xerces-c进行XML处理的代码库从Windows/VC++移植到Linux/G++。

在Windows上，Xerces-c使用wchar_t作为字符类型XmlCh。这使得人们能够使用std::wstring和L""语法的字符串文本。

在Linux/G++上，wchar_t为32位，Xerces-c使用unsigned short int (16位)作为字符类型XmlCh.

我从这条赛道出发：

#ifdef _MSC_VER
using u16char_t = wchar_t;
using u16string_t = std::wstring;
#elif defined __linux
using u16char_t = char16_t;
using u16string_t = std::u16string;
#endif

不幸的是，char16_t和unsigned short int不是等价的，它们的指针也不是隐式可转换的。因此，将u"Hello, world."传递给Xerces函数仍然会导致无效的转换错误。

看起来，我将不得不显式地转换传递给Xerces函数的每一个字符串。但在我这么做之前，我想问是否有人知道一个更明智的方法来编写跨平台Xerces-c代码。

Answer 1

答案是，没有人对如何做这件事有一个好主意。对于其他发现这个问题的人来说，这就是我想出的：

#ifdef _MSC_VER
#define U16S(x) L##x
#define U16XS(x) L##x

#define XS(x) x
#define US(x) x

#elif defined __linux

#define U16S(x) u##x
#define U16XS(x) reinterpret_cast<const unsigned short *>(u##x)

inline unsigned short *XS(char16_t* x) {
    return reinterpret_cast<unsigned short *>(x);
}
inline const unsigned short *XS(const char16_t* x) {
    return reinterpret_cast<const unsigned short *>(x);
}
inline char16_t* US(unsigned short *x) {
    return reinterpret_cast<char16_t *>(x);
}
inline const char16_t* US(const unsigned short *x) {
    return reinterpret_cast<const char16_t*>(x);
}

#include "char16_t_facets.hpp"
#endif

namespace SafeStrings {
#if defined _MSC_VER

    using u16char_t = wchar_t;
    using u16string_t = std::wstring;
    using u16sstream_t = std::wstringstream;
    using u16ostream_t = std::wostream;
    using u16istream_t = std::wistream;
    using u16ofstream_t = std::wofstream;
    using u16ifstream_t = std::wifstream;
    using filename_t = std::wstring;

#elif defined __linux

    using u16char_t = char16_t;
    using u16string_t = std::basic_string<char16_t>;
    using u16sstream_t = std::basic_stringstream<char16_t>;
    using u16ostream_t = std::basic_ostream<char16_t>;
    using u16istream_t = std::basic_istream<char16_t>;
    using u16ofstream_t = std::basic_ofstream<char16_t>;
    using u16ifstream_t = std::basic_ifstream<char16_t>;
    using filename_t = std::string;

#endif

char16_t_facets.hpp有模板专门化( std::ctype<char16_t>、std::numpunct<char16_t>、std::codecvt<char16_t, char, std::mbstate_t> )的定义。有必要将它们与std::num_get<char16_t>和std::num_put<char16_t>一起添加到全局区域设置中(但不需要为此提供专门化)。codecvt的代码是唯一困难的地方，在GCC 5.0库中可以找到一个合理的模板(如果您使用GCC 5，您不需要提供codecvt专门化，因为它已经在库中了)。

完成所有这些工作之后，char16_t流将正确工作。

然后，每次定义宽字符串(而不是L"string" )时，编写U16S("string")。每次将字符串传递给Xerces时，都为文本编写XS(string.c_str())或U16XS(" string ")。每次从Xerces获得字符串时，将其转换为u16string_t(US(call_xerces_function()))。

注意，也可以用字符类型设置为char16_t重新编译Xerces-C，这就消除了上面所需的大量工作。，但是，您将无法使用系统上的任何其他库，而这些库又依赖于Xerces-C。链接到任何这样的库都会导致链接错误(因为更改字符类型会改变许多Xerces函数签名)。