少年包工头的工作日记--五一第六天：ICU+Xerces-C的问题

W3CHINA Blog首页 管理页面写新日志退出

Blue blue sky

小工头发表于 2005/5/8 10:47:30

今天开始试着把ICU和Xerces-C结合在一起，使Xerces-C能够解析带有中文字符的XML文档。做了一整天的实验，始终没有成功。在实验中，得到以下结论：一，ICU本身没有问题。使用ICU，将中文字符串转换成Unicode，再从Unicode转换回中文，得到的结果是一样的。不过要注意的是，将中文字符串转换成Unicode的时候字符串必须以'\0'结尾，调用转换函数时的长度参数时不包括\0'，否则再转换回来会多出几个怪字符；二，ICU不能很好地处理中英文字符混合字符串。如果直接使用ICU转换此类字符串再转换回来，ICU会在每一个英文字符后面都插入一个'\0'。怀疑ICU转过去的时候用了UTF-16，再转回来的时候没有做相应的处理；三，Xerces-C不能直接处理UTF-8。分别使用ICU和WINAPI两种方法把中文字符串转换为UTF-8，得到的结果是一致的。用Xerces-C解析UTF8编码的XML文档，报出fetal error。试过指定encoding="UTF-8"以及去掉encoding，都不行。（刚刚发现UTF-8编码的XML文档中每个英文字符后面也有'\0'，难道是因为这个？值得深入探讨）四，ICU的文档和例子不全，很多函数调用的参数有限定范围，但是找不到详细描述的文档，也找不到合适的例子。

阅读全文(2969) | 回复(0) | 编辑 | 精华

发表评论：