LibXML xmlTextReaderReadString编码

Question

我正在读取一个用iso-8859-1编码的xml文档。这种编码也在documtent：<?xml version="1.0" encoding="ISO-8859-1"?>中进行了描述。

当我读取xml元素时，我得到的是utf-8编码的数据，但是我需要iso-8859-1进行进一步的处理。

我读取文件的代码如下所示：

xmlTextReaderPtr reader;
reader = xmlReaderForFile(sessionFileName, "iso-8859-1", 0);
if (reader != NULL)
{
    ret = xmlTextReaderRead(reader);

    while (ret == 1)
    {
        //only inspect start of elements
        if (xmlTextReaderNodeType(reader) != XML_READER_TYPE_ELEMENT)
        {
            ret = xmlTextReaderRead(reader);
            continue;
        }

        //getting node name
        elem_name = xmlTextReaderConstName(reader);

        //getting content of element (text or cdata)
        xmlChar *elem_value = xmlTextReaderReadString(reader);
    }
}

据我所知，http://xmlsoft.org/encoding.html在libxml2内部将所有数据存储在utf-8中，因此elem_value也是utf-8。如何在iso-8859-1中获得elem_value？我有手动转换吗？

这将是我的尝试：

        unsigned char *conv_value;

        if (elem_value)
        {
            int in_size = xmlStrlen(elem_value);
            int out_size  = in_size;

            conv_value = (unsigned char *)malloc((size_t)out_size + 1);

            if (UTF8Toisolat1(conv_value, &out_size, elem_value, &in_size) <= 0 ||
                (in_size - out_size) != 0)
            {
                //error while conversation
                free(conv_value);

                //take original value
                conv_value = elem_value;

                TRACE("error while converting, take utf-8 value");
            }
            else
            {
                conv_value[out_size] = 0; /* null terminating conv_value */
            }
        }

Answer 1

您是正确的，您将需要手动将其从utf-8转换为iso-8859-1，然后将其从XML中提取出来。我知道，这实际上是“加倍工作”，因为它被转换了两次，最终返回到原来的编码，但是转换到UTF-8是libxml解析过程中不可或缺的一部分，没有办法告诉它不这样做。

好的一面是，如果您正在消费的内容突然更改为UTF-8或UTF-16或任何其他字符集，您的“从libxml获取它并隐藏到iso-8859-1”代码仍将正常工作。