在上篇中簡單介紹了libxml2讀寫XML文件。

本篇將介紹如何在libxml2中讀寫中文數(shù)據(jù)。

libxml2中提供了編解碼器，通過建立自己的編碼接口由libxml根據(jù)當(dāng)前編碼進行調(diào)用，實質(zhì)上是使用iconv庫中的函數(shù)實現(xiàn)轉(zhuǎn)換。一般情況下XML使用UTF-8編碼，可以實現(xiàn)很好的跨平臺性。

本文將網(wǎng)絡(luò)上的一段代碼復(fù)制下來，并應(yīng)用于系統(tǒng)中，并在32位與64位LINUX平臺下測試通過。（源于網(wǎng)絡(luò)的在64下有問題，我調(diào)試了2個多小時才找到問題所在）既然思想來源于網(wǎng)絡(luò)，在這里也將代碼公布在這里。這樣就可以直接應(yīng)用于代碼中。

#include <libxml/encoding.h> #include <libxml/xmlwriter.h> #include <libxml/xmlreader.h> #define ENCODING "gb2312" xmlChar *ConvertInput(const char *in, const char *encoding); char *ConvertFrom(xmlChar *in, const char *encoding); iconv_t iconv_utf8_gbk; iconv_t iconv_gbk_utf8; int gbk_input(unsigned char *out, int *outlen, const unsigned char *in, int *inlen) { char *outbuf = (char *) out; char *inbuf = (char *) in; size_t rslt; size_t len1, len2; // !!! 注意不能直接從int*到size_t*的轉(zhuǎn)換 // 在32位平臺下是正常的，但到了64平臺下size_t為64位，那(size_t*)inlen // 將是一個未知的數(shù)據(jù) len1 = *inlen; len2 = *outlen; rslt = iconv(iconv_utf8_gbk, (char **) &inbuf, &len1, &outbuf, &len2); if (rslt < 0) { return rslt; } *outlen = ((unsigned char *) outbuf - out); *inlen = ((unsigned char *) inbuf - in); return *outlen; } int gbk_output(unsigned char *out, int *outlen, const unsigned char *in, int *inlen) { char *outbuf = (char *) out; char *inbuf = (char *) in; size_t rslt; // !!! 注意不能直接從int*到size_t*的轉(zhuǎn)換 // 在32位平臺下是正常的，但到了64平臺下size_t為64位，那(size_t*)inlen // 將是一個未知的數(shù)據(jù) size_t len1, len2; len1 = *inlen; len2 = *outlen; rslt = iconv(iconv_gbk_utf8, (char **) &inbuf, &len1, &outbuf, &len2); if (rslt < 0) { return rslt; } *outlen = ((unsigned char *) outbuf - out); *inlen = ((unsigned char *) inbuf - in); return *outlen; } /** * ConvertInput: * @in: string in a given encoding * @encoding: the encoding used * * Converts @in into UTF-8 for processing with libxml2 APIs * * Returns the converted UTF-8 string, or NULL in case of error. * xmlFree */ xmlChar * ConvertInput(const char *in, const char *encoding) { xmlChar *out; int ret; int size; int out_size; int temp; xmlCharEncodingHandlerPtr handler; if (in == 0) return 0; handler = xmlFindCharEncodingHandler(encoding); if (!handler) { printf("ConvertInput: no encoding handler found for '%s'/n", encoding ? encoding : ""); return 0; } size = (int) strlen(in) + 1; out_size = size * 2 - 1; out = (unsigned char *) xmlMalloc((size_t) out_size); if (out != 0) { temp = size - 1; ret = handler->input(out, &out_size, (const xmlChar *) in, &temp); if ((ret < 0) || (temp - size + 1)) { if (ret < 0) { printf("ConvertInput: conversion wasn't successful./n"); } else { printf ("ConvertInput: conversion wasn't successful. converted: %i octets./n", temp); } xmlFree(out); out = 0; } else { out = (unsigned char *) xmlRealloc(out, out_size + 1); out[out_size] = 0; /*null terminating out */ } } else { printf("ConvertInput: no mem/n"); } return out; } /** * ConvertFrom: * @in: string in a utf-8 encoding * @encoding: the encoding used * * Converts @in from UTF-8 for processing with libxml2 APIs * * Returns the converted UTF-8 string, or NULL in case of error. */ char * ConvertFrom(xmlChar *in, const char *encoding) { char *out; int ret; int size; int out_size; int temp; xmlCharEncodingHandlerPtr handler; if (in == 0) return 0; handler = xmlFindCharEncodingHandler(encoding); if (!handler) { printf("ConvertFrom: no encoding handler found for '%s'/n", encoding ? encoding : ""); return 0; } size = (int) strlen((char*)in) + 1; out_size = size * 2 - 1; out = (char *) malloc((size_t) out_size); if (out != 0) { temp = size - 1; ret = handler->output((xmlChar*)out, &out_size, (const xmlChar *) in, &temp); if ((ret < 0) || (temp - size + 1)) { if (ret < 0) { printf("ConvertFrom: conversion wasn't successful./n"); } else { printf ("ConvertFrom: conversion wasn't successful. converted: %i octets./n", temp); } free(out); out = 0; } else { out = (char *) realloc(out, out_size + 1); out[out_size] = 0; /*null terminating out */ } } else { printf("ConvertFrom: no mem/n"); } return out; }

使用上述代碼的方式就是將編碼轉(zhuǎn)換初始化，并插入到XML庫的接口中。

iconv_utf8_gbk = iconv_open ("utf-8", "gbk"); iconv_gbk_utf8 = iconv_open ("gbk", "utf-8"); xmlNewCharEncodingHandler ("gb2312", gbk_input, gbk_output);//添加gb2312編碼支持 xmlNewCharEncodingHandler ("gbk", gbk_input, gbk_output);//添加gbk編碼支持

就是使用iconv庫（LINUX中存在的,libxml也是使用該庫），建立utf-8編碼與gbk編碼的轉(zhuǎn)換接口，并將接口插入到libxml2庫中，這樣xml庫就支持對gb2312和gbk編碼的支持了。當(dāng)然，這個轉(zhuǎn)換不會自動完成，我們需要使用從libxml庫中查找特定編碼的接口，libxml支持一些基本的編碼接口，如：ISO-8859-1，ISO-8859-2等編碼，但不支持gbk，所以在上述代碼中，我們定義了gbk_input，與gbk_output兩個接口，這兩個接口是libxml庫的標(biāo)準(zhǔn)聲明。

Function type: xmlCharEncodingInputFunc

Function type: xmlCharEncodingInputFunc int xmlCharEncodingInputFunc (unsigned char * out,
int * outlen,
const unsigned char * in,
int * inlen)

Take a block of chars in the original encoding and try to convert it to an UTF-8 block of chars out.

out:	a pointer to an array of bytes to store the UTF-8 result
outlen:	the length of @out
in:	a pointer to an array of chars in the original encoding
inlen:	the length of @in
Returns:	the number of bytes written, -1 if lack of space, or -2 if the transcoding failed. The value of @inlen after return is the number of octets consumed if the return value is positive, else unpredictiable. The value of @outlen after return is the number of octets consumed.

還有一個xmlCharEncodingOutputFunc函數(shù)，聲明與上面是一樣的。

在ConvertInput與ConvertFrom是在libxml庫中查找指定編碼的接口，并完成編碼轉(zhuǎn)換。為了支持GBK，通過xmlNewCharEncodingHandler 來添加新的編碼到該編碼器中，ConvertXXXX從編碼庫中找到相應(yīng)編碼的處理器，完成編碼與解碼工作。

在實際使用的時候就是使用ConvertXXXX來實現(xiàn)編碼與解碼。

如：

// 將一個編碼為GB2312的本地字符串轉(zhuǎn)換成UTF-8編碼（新建XML文檔中的參數(shù)） key = ConvertInput(p_k, ENCODING); if (key == NULL){ return -5; } // 將一個UTF-8編碼的XML字符串轉(zhuǎn)換成一個GB2312的字符串 p_k = ConvertFrom(element, ENCODING); // 釋放由libxml讀函數(shù)返回的元素數(shù)據(jù)空間 xmlFree(element);

這兩個函數(shù)返回的是一個字符串指針，內(nèi)存由ConvertXXX函數(shù)分配，需要使用free函數(shù)釋放。

?

在使用完libxml庫之后，我們需要釋放由iconv_open打開的轉(zhuǎn)換句柄，并且還要釋放libxml庫的轉(zhuǎn)換資源。

xmlCleanupCharEncodingHandlers();

用上述來釋放libxml庫中的資源。

?

后記：

使用網(wǎng)上的代碼，是非常快速的編碼方式，當(dāng)然，我也直接使用了網(wǎng)上的代碼，但移植到64位平臺時出現(xiàn)了問題，導(dǎo)致浪費了不少的調(diào)試時間（使用gdb在代碼中查看，使用printf打印指針值，數(shù)據(jù)....痛苦！）。在上面的代碼中，我加入了警示注釋，希望自己記住，下次看到這樣的代碼就知道有問題。

指針之間的轉(zhuǎn)換編碼器是不會告警，所以也沒有多注意，那個一整形指針轉(zhuǎn)換成size_t指針類型時，問題在不同平臺就會產(chǎn)生問題。size_t定義為平臺的數(shù)據(jù)長度，而int在依然是32位（不保證不變）。

int a = 10;
int *pa = &a;
size_t b;
size_t *pb;
pb = pa;
b = *pb;
printf("a:%d, b:%zd/n", a, b);
如上一段簡單的代碼，在32位平臺上輸出都是10，64位平臺之上輸出為a:10, b:-1306831365601230838

后面那個值是不定的，如果使用-Wall 編碼選項，gcc會報一個警告在pb = pa;如果你在32位平臺使用pb = (size_t*)pb;那編碼器就不會報警，而網(wǎng)上的一份代碼就是這樣。這也不能責(zé)怪源作者，可以環(huán)境的不同，考慮自然也就不多了。

所以，當(dāng)指針類型轉(zhuǎn)換的時候，一定要注意這個類型，你是否很了解。長度是不是一樣的？否則問題出現(xiàn)在平臺問題上，是很常難以找到問題所在的。

版權(quán)聲明：本文為博主原創(chuàng)文章，未經(jīng)博主允許不得轉(zhuǎn)載。

轉(zhuǎn)載于:https://www.cnblogs.com/yin138/archive/2010/12/21/4902263.html

總結(jié)

以上是生活随笔為你收集整理的libxml2中处理中文的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。