delphi - POST 响应的 TIdHTTP 字符编码

Question

采取以下情况:

procedure Test;

var
 Response : String;

begin
 Response := IdHttp.Post(MyUrL, AStream);
 DoSomethingWith(Response);
end;

现在网络服务器以 UTF-8 格式返回我的数据。 假设它返回一些包含字符 é 的 UTF-8 XML 。 如果我使用变量 Response 它不包含这个字符，但它是 UTF-8 变体(#C3#A9)，所以 Indy 没有解码？

现在我知道如何解决这个问题了:

procedure Test;

var
 Response : String;

begin
 Response := UTF8ToString(IdHttp.Post(MyUrL, AStream));
 DoSomethingWith(Response);
end;

此解决方案的一个警告:Delphi 发出警告 W1058(隐式字符串转换，从“string”到“RawByteString”可能会导致数据丢失)

我的问题:这是处理此问题的正确方法吗？或者我可以指示 TIdHTTP 为我转换为 UnicodeString 吗？

Answer 1

如果您使用的是 Indy 10 的最新版本，则返回 String 的 TIdHTTP.Post() 重载版本可以 将数据解码为 Unicode，但是用于解码的实际字符集取决于 HTTP Content-Type 响应 header 指定的媒体类型:

1. 如果媒体类型是 application/xml、application/xml-external-parsed-entity、application/xml-dtd code>，或者不是 text/... 类型，但以 +xml 结尾，则在 encoding 属性中指定的字符集使用 XML 的序言。如果未指定字符集，则使用 UTF-8。

2. 否则，如果 Content-Type 响应 header 指定了字符集，则使用它。

3. 否则，如果媒体类型是 text/... 类型，则:

   a.如果媒体类型为 text/xml、text/xml-external-parsed-entity 或以 +xml 结尾，则 使用 us-ascii。

   b.否则使用 ISO-8859-1。

4. 否则，将使用 Indy 的默认编码(默认为 ASCII)。

如果没有看到实际的 HTTP Content-Type header ，就很难知道您的情况属于哪种情况。听起来它属于 #2 或 #3b，如果使用 ISO-8859-1 或类似的字符集，这将说明按原样返回 UTF-8 字节值。

UTF8ToString() 需要 UTF-8 编码的 RawByteString 作为输入，但您要向其传递 UTF-16 编码的 UnicodeString。在这种情况下，RTL 将执行 UTF16->Ansi 转换，并使用默认的 Ansi 字符集进行转换。这就是您收到编译器警告的原因，因为此类转换可能会丢失数据。

XML 实际上是一种二进制数据格式，受字符集编码的约束。 XML 解析器需要知道 XML 的编码是什么，并能够相应地解析原始编码字节。这就是为什么 XML 在 XML 序言中具有显式的 encoding 属性。但是，当 TIdHTTP 将 XML 作为 String 下载时，尽管它会自动将其解码为 Unicode，但它不会相应地更新 XML 的序言。

真正的解决方案是首先不要将 XML 下载为 String。将其作为 TStream 下载(TMemoryStream 是比 TStringStream 更好的选择)，这样您的 XML 解析器就可以访问原始字节、原始字符集例如，您可以将 TStream 传递给 TXMLDocument.LoadFromStream() 方法。