如何利用XercesC解析包含中文字符的XML文

1、文档来源为：从网络收集整理.word版本可编辑.欢迎下载支持如何利用Xerces C 解析包含中文字符的XML文如何利用Xerces C+解析包含中文字符的XML文档 下载本文示例代码Xerces-C+ 是目前广泛使用的 XML解析器，在利用它编写 XML应用以处理包含中文字符的XML文档时会出现字符编码错误，如何正确解决这个问题，对于我们开发XML的应用程序非常有用。本文给出了正确处理的方法和实现类的代码，希望能对 大家有所帮助。1. 背景介绍随着XML技术的普及应用，我 国的各行各业有可能会生成大量的包含中文字 符的XML文档。尽管基于Java技术的XML Parser能较好处理这些XML

2、文档， 但是，它不能解决所有的问题，原因是应用开发的复杂性，尤其在我国更为明 显我们知道，企业的许多应用系统的开发采用了 C、C+ VB Delphi、FoxPro等等语言，这些应用不可能用Java语言重新实现，那么，问题就出现 了，如何让这些应用也能处理 XML文档，甚至是包含中文字符的 XML文档 呢？目前有关XML Parser C + +语言的实现，非常著名的有 Apache组织的Xerces 和 IBM 的 XML4C Aparche 的 Xerces 来源于 IBM 的 XML4C 所以，它 们的编程接口是一致的。二者关键的不同在于字符编码。Apache的Xerces1.6目前只支

3、持少数的字符编码，如 ASCII, UTF-8, UTF-16 ， UCS4, EBCDIC IBM037 和 IBM1140, ISO-8859-1 和 Windows-1252。因而，采用 Apache的 Xerces C + +解析器不能处理包含中文字符的 XML文档。IBM的XML4(支持 多达 100 种字符编码，它将 Xerces 和 International Components forUnicode (ICU)结合了起来。因而，我们可以选用 XML4C乍为XML的解析器。 在使用XML4C之前，我们需要首先确认 XML4C勺bin目录是否包含在系统 的 Path 之中，bin

4、 目录必须要有这些 dll : xerces-c_1_6_0D.dll ，icudt20.dll ，icuuc20.dll ， icuuc20d.dll 。2. 问题描述在XML4C应用过程中，我 发现调用XML4C提供的一些API并不能很好解决中 文问题。如解析XML时生成DOM_Document并利用DOM?法得到某一 DOM_Noc节点时，为了获得DOM_Nod的名字或值，需要调用 DOM_Nod类的getNodeName()或 getNodeValue()方法，并得到 DOMString对象。根据 API 文 档描述，DOMString类的transcode ()方法，返回字符串 的拷

5、贝，并依照本 地代码页对此字符串进行编码处理。因而，我在解析图1的XML文档并试图获得爱国的人们节点的名字时，transcode方法返回不 完整的节点名爱国 ，而不是完整的爱国的人们，这样，我们就无法利用这些信息来进行字符 串比较等等操作，XML的处理就会出现问题。因 而，DOMString的transcode 方法并不能处理XML勺中文字符。v?xml versio n=1.0 en cod in g=GB2312 ?图13.解决的方法针对这种情况，我仔细分析了 XML4(提供的DOMPrint例子，此例子能顺利解 析含中文字符的XML文档，并能打印出XML解析后生成的DOM_Documen

6、t它 利用了 Xerces 的 XMLFormatter 和 XMLFormatTarget类：? XMLFormatter类，提供基本的格式化字符串功能，将解析器生成的基于Unicode的XML数据转换为非Unicode环境 中使用的数据，如本地字符编码等；? XMLFormatTarget 类，为 XMLFormatter 格式化字符串 提供目的地，它需要派生，并利用它的writeChars() 方法得到格式化后的字符串。基于以上分析，我改进了 DOMPri nt的例子程序，实现了一个XMLFormatTarget类的子类，代码如下：/类定义#in clude vframework/XML

7、Formatter.hppclass StrFormatTarget : public XMLFormatTargetpublic:char * GetResult();StrFormatTarget() ;StrFormatTarget () ;void writeChars(co nst XMLByte* const toWrite,const un sig ned intcount,XMLFormatter * constformatter);private:char * buffer;StrFormatTarget (const StrFormatTarget & other);voi

8、d operator=(c onst StrFormatTarget & rhs);/类的实现void StrFormatTarget:writeChars(c onst XMLByte* con st toWrite,const un sig ned intcount,XMLFormatter * constformatter)buffer = (char *)malloc(co unt + 1); memset(buffer,O,co un t+1);memcpy(buffer, (char *) toWrite, count); ;char * StrFormatTarget:GetRe

9、sult()char * ret = (char *)malloc(strle n(buffer)+1)；strcpy(ret, buffer); retstrle n( buffer) = 0;free(buffer);return ret;XML文档的编码定义由文档头 给出，支持中文字符编码，我们选用GB2312。 Encoding信息的获取可以有两 种方式，第一，可以直接分析 xml字符串，得到encoding的值；第二，利用 DOMParse解析XML文档时，设定parser能创建XMLDecIType节点，即：DOMParser parser;parser.setToCreateXM

10、LDeclTypeNode(true).在利用XML4(编程时，我们常遇见的类型是 DOMString, XMLCh *，我们 需要将这些类型的数据都转换为char *，然后，进行字符串的各种处理。我这里给出了一个类StrTransformer，专门解决有关字符编码的问题，它不仅 仅支持中文字符编码，而且，可支持XML4C勺其它字符编码。核心代码如下：/ header fileclass StrTra nsformerpublic:char * Cha ngeStr(co nst DOMStri ng& s); char * Cha ngeStr(co nst XMLCh * str);Str

11、Tra nsformer (char * en codi ng);XMLFormatter * format;StrFormatTarget * target;StrTra nsformer();DOMStri ng * m_dom;；/ impleme nt file#in clude StrTra nsformer.h#include #include / Con structio n/Destructio nStrTra nsformer:StrTra nsformer(char * en cod ing) target = new StrFormatTarget();m_dom = n

12、ew DOMStri ng(e ncodi ng);format = new XMLFormatter(m_dom-rawBuffer(), target,XMLFormatter:NoEscapes, XMLFormatter:U nRep_CharRef);StrTra nsformer:StrTra nsformer()delete target;delete m_dom;delete format;char * StrTra nsformer:Cha ngeStr(co nstDOMStri ng &s)un sig ned int lent = s.len gth();if (lent = 0)return NULL;XMLCh* buf = new XMLChlent + 1;XMLStri ng:copyNStri ng(buf, s.rawBuffer(),len t);bufle nt = 0;*