Tixml保存

 

原本链接地址: tinyXml处理UTF-8编码详解——写入和读取 以前写过一篇博文介绍tinyXml输出utf-8文档。 tinyXml的特点是不对xml节点内容的具体编码处理，这一切都交给用户。因此tinyXml和字符有关的函数都是只接受char*的数据类型。 例如： 1 TiXmlElement *pRoot=new TiXmlElement("test"); 2 pRoot->SetAttribute("name","名字"); 上述代码产生的节点，如果用TiXmlDocument的SaveFile函数直接保存，只能是ANSI的本地编码（无论程序是否是unicode），即使TiXmlDeclaration指定为utf-8。一种方法是输出到TiXmlPrinter，将TiXmlPrinter.CStr()转换到utf-8编码的char*后保存。 char*在双字节编码下是一种很奇特的字符串，中文平台下的VC的编译器，char*可以存放GBK汉字，编译能正确识别字符，因为ASCII码的最高位为0，而GBK双字节字符的首字节最高位为1。 在使用utf-8字符串时，必须树立一个观念：utf-8应当只在传输时使用，不适合作为函数过程的处理对象。什么是传输场合？网络传输和文件读写。以文件读写为例，文件以utf-8编码存放，在读入到内存后，应当立刻转换为unicode宽字符串。程序的内部处理过程中只有unicode宽字符串。直到写入文件时，unicode宽字符串才转换为utf-8字符串。 utf-8字符串本身是变长字符串，并没有特定的数据类型。它是以char*形式存放，它的byte的表现不符合任何双字节编码，当成双字节编码处理会立刻出错。事实上，char*只是一个存放空间，用void*、unsigned char*本质上没有区别。（倘若你喜欢，甚至可以拿char*来存放unicode宽字符串，一次memcpy两个byte就是了）。 脱离双字节编码（如GBK）的tinyXml使用方法是存在的。 例如上述代码可以改为： 1 TiXmlElement *pRoot=new TiXmlElement("test"); 2 CStringA UTF8Str=CW2A(L"名字",CP_UTF8); 3 pRoot->SetAttribute("name",UTF8Str); UTF8Str变量名即是内含的char*字符串的起始指针。CW2A函数可以自己写一个代替，并不难实现。此时可以直接调用TiXmlDocument的SaveFile函数保存为无BOM的UTF-8文档。要保存为含BOM的UTF-8文档，仍然需要TiXmlPrinter，但此时不需要对TiXmlPrinter.CStr()进行任何处理。 01 XmlEntityTree=new TiXmlDocument; 02 TiXmlDeclaration *dec=new TiXmlDeclaration("1.0","utf-8",""); 03 XmlEntityTree->LinkEndChild(dec); 04 TiXmlElement *pRoot=new TiXmlElement("test"); 05 CStringA UTF8Str=CW2A(L"名字",CP_UTF8); 06 pRoot->SetAttribute("name",UTF8Str); 07 XmlEntityTree->LinkEndChild(pRoot); 08 TiXmlPrinter printer; 09 XmlEntityTree->Accept(&printer); 10    11 char UTF8BOM[3]={'\xEF','\xBB','\xBF'}; 12    13 CFile theFile; 14 theFile.Open(_T("test.xml"),CFile::modeCreate|CFile::modeWrite); 15 theFile.Write(UTF8BOM,3); 16 theFile.Write(printer.CStr(),strlen(printer.CStr())); 17 theFile.Close(); tinyXml在加载xml文档时有一个标记，TiXmlDocument.LoadFile(TiXmlEncoding encoding); 这个标记没多大作用，无论设为TIXML_ENCODING_UTF8还是TIXML_ENCODING_LEGACY，读入的节点的数据类型一样是char*。 设为TIXML_ENCODING_UTF8标记的唯一作用是tinyXml会自动处理文档的BOM。 对于下面文档，怎样才能正确读取到TemplateStr节点的内容？很简单，在读取时进行转换就行。 1 2 3     中文 4     true 5     true 6     true 7     true 8     true 9 01 TiXmlDocument *xmlfile= new TiXmlDocument(FilePath); 02 xmlfile->LoadFile(TIXML_ENCODING_UTF8); 03    04 TiXmlHandle hRoot(xmlfile); 05 TiXmlElement *pElem; 06 TiXmlHandle hXmlHandle(0); 07    08 //config节点 09 pElem=hRoot.FirstChildElement().Element(); 10 if (!pElem) return FALSE; 11 if (strcmp(pElem->Value(),"config")!=0) 12     return FALSE; 13    14 //TemplateStr节点 15 hXmlHandle=TiXmlHandle(pElem); 16 pElem=hXmlHandle.FirstChild("TemplateStr").Element(); 17 if (!pElem) return FALSE; 18 CString TemplateStr=UTF8toUnicode(pElem->GetText()); UTF8toUnicode函数： 01 CString UTF8toUnicode(const char* utf8Str,UINT length) 02 { 03     CString unicodeStr; 04     unicodeStr=_T(""); 05    06     if (!utf8Str) 07         return unicodeStr; 08    09     if (length==0) 10         return unicodeStr; 11    12     //转换 13     WCHAR chr=0; 14     for (UINT i=0;i 15     { 16         if ((0x80&utf8Str[i])==0) // ASCII 17         { 18             chr=utf8Str[i]; 19             i++; 20         } 21         else if((0xE0&utf8Str[i])==0xC0) // 110xxxxx 10xxxxxx 22         { 23             chr =(utf8Str[i+0]&0x3F)<<6; 24             chr|=(utf8Str[i+1]&0x3F); 25             i+=2; 26         } 27         else if((0xF0&utf8Str[i])==0xE0) // 1110xxxx 10xxxxxx 10xxxxxx 28         { 29             chr =(utf8Str[i+0]&0x1F)<<12; 30             chr|=(utf8Str[i+1]&0x3F)<<6; 31             chr|=(utf8Str[i+2]&0x3F); 32             i+=3; 33         } 34         /* 35         else if() // 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 36         {} 37         else if() // 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 38         {} 39         else if() // 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 40         {} 41         */ 42         else // 不是UTF-8字符串 43         { 44             return unicodeStr; 45         } 46         unicodeStr.AppendChar(chr); 47     } 48    49     return unicodeStr; 50 } 51    52 CString UTF8toUnicode(const char* utf8Str) 53 { 54     UINT theLength=strlen(utf8Str); 55     return UTF8toUnicode(utf8Str,theLength); 56 }