iPhone解析非UTF-8的XML
做iPhone的网络应用，处理XML是家常便饭，NSXMLParser用起来还是得心应手的。不过这个东西，处理非UTF-8，会解析失败。这篇文章就是想和大家一起分享一些这方面开发的新的。
我们在某个RSS地址，可以得到下面这样的XML文件。我这里只是截取一段，
---------------------------------------
<?xml version="1.0" encoding="big5"?>
<rss version="2.0">
<channel>
<title>RTHK On Internet - 即 時 新 聞</title>
<link><![CDATA[http://www.rthk.org.hk/rthk/news/expressnews/]]></link>
<description>RTHK On Internet - 即 時 新 聞</description>
<pubDate>Sun, 11 Oct 2009 15:02:02 +0800</pubDate>
<item>
<title><![CDATA[衞生署要求浸會醫院4周內 就產婦死亡個案提交報告 ]]></title>
<link><![CDATA[http://www.rthk.org.hk/rthk/news/expressnews/20091011/news_20091011_55_618483.htm]]></link>
<description><![CDATA[
衞生署昨晚已經收到浸會醫院通知，有一宗產婦死亡個案，浸會醫院需要在4星期內向衞生署提交報告，案件亦交由死因庭跟進。
衞生署數字顯示，由07年至今年8月，共接獲97宗私家醫院醫療事故的通報。去年發生的事故中，最多的是進行手術或介入程序期間出現併發症，其次還有孕婦及產婦死亡，或與孕婦在分娩過程中，生產時，或產後出現嚴重併發症；部份則包括初生嬰兒出現死亡或嚴重受傷；錯誤為病人或身體部位進行外科或介入手術程序等。
]]></description>
<pubDate>
Sun, 11 Oct 2009 14:50:46 +0800
</pubDate>
</item>
</channel>
</rss>
----------------------------------------
这是一个很常用的RSS返回的XML，是繁体中文的，编码格式是big5。说编码格式是big5有两层意思：
[1] 网络流返回的NSData是big5编码的。所以这样的NSData送给NSXMLParser是不能正确解析的。
[2] 第一句话指明了XML文件也是用big5编码的。
对应于上面两个问题，我的解决思路是：
[1] 把Big5编码的NSData转换成UTF-8编码的NSData
[2] 将第一行 转换成
第二个转换不难，只要我们有NSString对象。第一个转换要用到CFStringRef，代码如下：
Cpp代码 
CFStringRef big5Str = CFStringCreateWithBytes(NULL,
[inData bytes],
[inData length],
kCFStringEncodingBig5_HKSCS_1999,
false); //[A]
if (NULL == big5Str) {
return nil;
}
else {
NSString *big5NSString = (NSString *)big5Str;
NSString *utf8NSString = [big5NSString stringByReplacingOccurrencesOfString:@" "
withString:@" "]; //[B]
return [utf8NSString dataUsingEncoding:NSUTF8StringEncoding]; //[C]
}
CFStringRef big5Str = CFStringCreateWithBytes(NULL,
[inData bytes],
[inData length],
kCFStringEncodingBig5_HKSCS_1999,
false); //[A]
if (NULL == big5Str) {
return nil;
}
else {
NSString *big5NSString = (NSString *)big5Str;
NSString *utf8NSString = [big5NSString stringByReplacingOccurrencesOfString:@" "
withString:@" "]; //[B]
return [utf8NSString dataUsingEncoding:NSUTF8StringEncoding]; //[C]
}
思路就是先把NSData转成CFStringRef的对象[A], 然后这个对象再转成UTF-8的NSData [C]，这就解决了问题[1]
中间的[B]就解决了问题[2]。这里要注意两个问题：
(1)如果你的XML编码是GBK，或者GB23120或者其他的，kCFStringEncodingBig5_HKSCS_1999要换成你对应的编码方式。
(2)如果你的XML编码也是big5的，也许kCFStringEncodingBig5_HKSCS_1999并不适合你的应用。因为对应big5的编码常量还有两种，他们是：
kCFStringEncodingBig5_E
kCFStringEncodingBig5。
这个你可以查阅帮助文档，然后一个个试。
然后把return的NSData送到NSXMLParser，就可以正确解析了。可是还没有结束，大家仔细看看XML文件里面还有衞这样的东西。这个是繁体中文”衛“字，我们如果不处理这个东西，显示给用户看得就是衞，这显然是不行的。这个其实也好办，只需要用下面这句话就可以把一个number转成NSString了：
[NSString stringWithFormat:@"%C", number]
这个number就是34910，是一个整数，十进制的整数(不是十六进制的)。到这里，整个处理过程就OK了，我们就可以正确得到Big5的RSS新闻了。