c++ - TinyXML 解析多字节字符但跳过 [x] 个字符

Question

我有一个 c++ 程序，它从服务器接收一些 xml，然后尝试解析它以填充一些组合框，例如

<?xml version="1.0"?>
    <CustomersMachines>
        <Customer name="bob" id="1">
            <Machine name="office1" id="1" />
            <Machine name="officeserver" id="2" />
        </Customer>
     </CustomersMachines>

对于这些值，TinyXML 可以很好地解析并且生成的组合框会按预期填充。当多字节字符位于(或靠近，取决于多少字节)名称元素的末尾时，就会出现问题。

<Customer name="boß" id="3">

将导致组合框被填充值 boß"id=

通过调试器，我看到当一个多字节字符被传递给 ReadText() 时，元素中的以下 1-3 个单字节字符被跳过但自动包含在内，所以 tinyXML 没有注册结束引用并继续解析直到到达下一个。在发送 xml 的服务器上运行的应用程序主要使用 ISO-8859-1 编码，而 tinyXML 默认为 UTF-8。

我尝试将 tinyxml 调整为默认使用 TIXML_ENCODING_UNKNOWN，这似乎可以解决问题，但会导致程序其他地方出现大量问题。我尝试过的其他事情是在发送之前对 xml 服务器端进行 utf8_encode(但这会导致奇怪的字符显示在多字节字符应该出现的组合框中)，并强制编码到发送到的 xml客户端程序无效。

有人知道如何防止多字节字符在这种情况下自动忽略以下 1-3 个字符吗？

Answer 1

<?xml?>序言未指定编码。如果编码在 XML 外部无法通过带外方式获得，则必须根据 Appendix F 中概述的规则，通过分析 XML 的起始字节来猜测编码。的 XML 规范。在这种情况下，这可能会导致选择 UTF-8。如果 XML 实际上不是 UTF-8 编码的，那将解释您所看到的行为。

在 ISO-8859-1 中，ß被编码为字节八位字节 0xDF , 和 "被编码为字节八位字节 0x22 .

在 UTF-8 中，0xDF是 2 字节八位字节序列的起始字节，它占 "被跳过。然而，0xDF 0x22不是有效的 UTF-8 2 字节字节序列，因此 TinyXml 应该因错误而导致解析失败。如果没有，那就是 TinyXml 中的错误。

如果 XML 实际上是 ISO-8859-1 编码的，服务器必须提供该信息。如果不是，那就是服务器中的错误。