Advanced Search

iPhone解析非UTF-8的XML

/ Published in: iPhone
Save to your folder(s)

Expand | Embed | Plain Text

Copy this code and paste it in your HTML 
  1. 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。
  2.  
  3.  
  4.  
  5.        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，
  6.  
  7.  
  8.  
  9. ---------------------------------------
  10.  
  11.  
  12. <?xml version="1.0" encoding="big5"?>
  13.  
  14. <rss version="2.0">
  15.  
  16. <channel>
  17.  
  18. <title>RTHK On Internet - 即 時 新 聞</title>
  19.  
  20. <link><![CDATA[http://www.rthk.org.hk/rthk/news/expressnews/]]></link>
  21.  
  22. <description>RTHK On Internet - 即 時 新 聞</description>
  23.  
  24. <pubDate>Sun, 11 Oct 2009 15:02:02 +0800</pubDate>
  25.  
  26.  
  27. <item>
  28.  
  29. <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>
  30.  
  31. <link><![CDATA[http://www.rthk.org.hk/rthk/news/expressnews/20091011/news_20091011_55_618483.htm]]></link>
  32.  
  33. <description><![CDATA[
  34.  
  35. &#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。
  36.  
  37.  
  38.  
  39.  
  40.  
  41.  
  42.  
  43. &#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。
  44.  
  45.  
  46.  
  47.  
  48.  
  49. ]]></description>
  50.  
  51. <pubDate>
  52.  
  53. Sun, 11 Oct 2009 14:50:46 +0800
  54.  
  55. </pubDate>
  56.  
  57. </item>
  58.  
  59.  
  60. </channel>
  61.  
  62. </rss>
  63.  
  64. ----------------------------------------
  65.  
  66. 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：
  67.  
  68. [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。
  69.  
  70. [2] 第一句话指明了XML文件也是用big5编码的。
  71.  
  72.  
  73.  
  74. 对应于上面两个问题，我的解决思路是：
  75.  
  76. [1] 把Big5编码的NSData转换成UTF-8编码的NSData
  77.  
  78. [2] 将第一行<?xml version="1.0" encoding="big5"?>转换成<?xml version="1.0" encoding="utf-8"?>
  79.  
  80.  
  81.  
  82. 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：
  83.  
  84.  
  85. Cpp代码 
  86. CFStringRef big5Str = CFStringCreateWithBytes(NULL,   
  87.                                     [inData bytes],   
  88.                                     [inData length],   
  89.                                     kCFStringEncodingBig5_HKSCS_1999,   
  90.                                     false); //[A]   
  91. if (NULL == big5Str) {   
  92.         return nil;   
  93. }   
  94. else {   
  95.     NSString *big5NSString = (NSString *)big5Str;   
  96.     NSString *utf8NSString = [big5NSString stringByReplacingOccurrencesOfString:@"<?xml version=\"1.0\" encoding=\"big5\"?>"    
  97.                            withString:@"<?xml version=\"1.0\" encoding=\"UTF-8\"?>"]; //[B]   
  98.     return [utf8NSString dataUsingEncoding:NSUTF8StringEncoding]; //[C]   
  99. }  
  100.  
  101. CFStringRef big5Str = CFStringCreateWithBytes(NULL,
  102. 									[inData bytes],
  103. 									[inData length],
  104. 									kCFStringEncodingBig5_HKSCS_1999,
  105. 									false); //[A]
  106. if (NULL == big5Str) {
  107.         return nil;
  108. }
  109. else {
  110. 	NSString *big5NSString = (NSString *)big5Str;
  111. 	NSString *utf8NSString = [big5NSString stringByReplacingOccurrencesOfString:@"<?xml version=\"1.0\" encoding=\"big5\"?>" 
  112. 						   withString:@"<?xml version=\"1.0\" encoding=\"UTF-8\"?>"]; //[B]
  113. 	return [utf8NSString dataUsingEncoding:NSUTF8StringEncoding]; //[C]
  114. } 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]
  115.  
  116. 中间的[B]就解决了问题[2]。这里要注意两个问题：
  117.  
  118. （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。
  119.  
  120. (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：
  121.  
  122. kCFStringEncodingBig5_E
  123.  
  124. kCFStringEncodingBig5。
  125.  
  126. 这个你可以查阅帮助文档，然后一个个试。
  127.  
  128.  
  129.  
  130. 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：
  131.  
  132.  
  133. [NSString stringWithFormat:@"%C", number]
  134.  
  135. 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：

URL: http://www.javaeye.com/topic/493525

Report this snippet


Comments

RSS Icon Subscribe to comments

You need to login to post a comment.