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[&#34910;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[

&#34910;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&#34910;生署提交報告，案件亦交由死因庭跟進。

 

 

 

&#34910;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<?xml version="1.0" encoding="big5"?>转换成<?xml version="1.0" encoding="utf-8"?>

 

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：

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:@"<?xml version=\"1.0\" encoding=\"big5\"?>" 
						   withString:@"<?xml version=\"1.0\" encoding=\"UTF-8\"?>"]; //[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&#34910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&#34910，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。因为这是一个客户项目，不过我可以给各小截图大家看看：