ios开发中经常会用到解析XML,但是iOS提供的NSXmlParser只能解析encoding是utf-8的XML文件。即xml文件开头必须是
<!--?xml version="1.0" encoding="utf-8"?-->
在中文网页中,经常会碰到gb2312或GBK编码的XML文件,如
<!--?xml version="1.0" encoding="gb2312"?-->
当iphone开发中的NSXMLParser碰到非utf-8编码时,会直接触发parser:parseErrorOccurred:,返回的错误编码是31,之后直接退出。
解决这个问题的思路当然是把非utf-8编码转换为utf-8编码,这个功能可以通过NSString类进行转换。
问题在于如何判断文件的编码是什么。这一问题的解决思路在于ASCII码在任何编码方式下都是一样的,这样,只要将XML文件开头的若干字节(大部分XML文件的Encoding在头部前面位置)内容直接当成utf-8编码读出来,可以从中检索是否有您要转换的编码。
以处理GB2312编码转换为例:
//取XML文件的前40个字节 NSData * xmldata = [self.ItemData subdataWithRange:NSMakeRange(0,40)]; //以UTF-8编码进行解码 NSString *xmlstr = [[NSString alloc] initWithData:xmldata encoding:NSUTF8StringEncoding]; //NSLog(@"XML HEADER: %@", xmlstr); //搜索GB2312,如果找到,就对整个文件进行编码转换 if ([xmlstr rangeOfString:@"\"GB2312\"" options:NSCaseInsensitiveSearch].location != NSNotFound) { // NSLog(@"GB2312 encoding founded."); NSStringEncoding enc = CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingGB_18030_2000); NSString *utf8str = [[[NSString alloc] initWithData:self.ItemData encoding:enc] autorelease]; utf8str = [utf8str stringByReplacingOccurrencesOfString:@"\"GB2312\"" withString:@"\"utf-8\"" options:NSCaseInsensitiveSearch range:NSMakeRange(0,40)]; NSData *newData = [utf8str dataUsingEncoding:NSUTF8StringEncoding]; self.ItemData = newData; }
最后提下我碰到的一个有意思的问题,即有时候下载的XML文件被HTML Process过了。我发现原因可能是URL中的大小写问题。如这个地址,如果K6L变成k6l,下载的XML文件就变了,大家可以试试.
如果用HPPLE解析HTML,碰到中文GB2312或GBK编码的网页,要先用gb编码解码,然后替换其中的gb字符串,再用utf8编码成data给parser就能解析中文网页了。