求解：libxml2 解析GBK编码问题

jfxl

1. <?xml version="1.0" encoding="GBK" standalone="yes" ?>
   
2. <resultset xmlns="">
   
3.         <version>V4.0</version>
   
4.         <status>ok</status>
   
5.         <metainfo>
   
6.                 <miele key="searched" val="3688611" />
   
7.                 <miele key="returned" val="11" />
   
8.                 <miele key="found" val="11" />
   
9.                 <miele key="restrict" val="18" />
   
10.                 <miele key="prevpage" val="0" />
    
11.                 <miele key="nextpage" val="0" />
    
12.                 <miele key="time" val="00015" />
    
13.         </metainfo>
    
14.         <echokeyset count="1">
    
15.                 <echokey>ICE</echokey>
    
16.         </echokeyset>
    
17.         <docset>
    
18.                 <docele>
    
19.                       <docitem key="attr_desc">9℃</docitem>
    
20.                 </docele>
    
21.         </docset>
    
22. </resultset>

复制代码

报错：

1. encoding error : input conversion failed due to input error, bytes 0x83 0x3C 0x2F 0x64
   
2. encoding error : input conversion failed due to input error, bytes 0x83 0x3C 0x2F 0x64
   
3. I/O error : encoder error
   
4. xmlDoc:19: parser error : Premature end of data in tag docitem line 19
   
5.                         <docitem key="attr_desc">9鈩

复制代码

jfxl

1. int main(int argc, const char** argv)
   
2. {
   
3.    
   
4.         xmlDocPtr doc;
   
5.         xmlNodePtr curNode;
   
6.         xmlChar *pszContent;
   
7.         string docName = argv[1];
   
8. 
   
9.         doc = xmlReadFile(docName.c_str(), "GBK", XML_PARSE_NOBLANKS);
   
10.         //doc = xmlReadFile(docName.c_str(), "GBK", XML_PARSE_RECOVER);
    
11.         if (NULL == doc)
    
12.         {   
    
13.                 cerr << "xmlReadFile failed!" << endl;
    
14.                 return -1;
    
15.         }   
    
16. 
    
17.         //获取doc根节点
    
18.         curNode = xmlDocGetRootElement(doc);
    
19.         if (NULL == curNode)
    
20.         {   
    
21.                 cerr << "xmlDocGetRootElement failed!" << endl;
    
22.                 xmlFreeDoc(doc);
    
23.                 return -2;
    
24.         }   
    
25.         cout << "root node name = " << curNode->name << endl;
    
26.    
    
27.         curNode = curNode->xmlChildrenNode;
    
28.         while (xmlStrcmp(curNode->name, (const xmlChar*)"docset"))
    
29.         {
    
30.                 curNode = curNode->next;
    
31.                 if (NULL == curNode)
    
32.                 {
    
33.                         cerr << "this xmldoc hasn't docset node!!!" << endl;
    
34.                         return -4;
    
35.                 }
    
36.         }
    
37. 
    
38.         //get docele node
    
39.         curNode = curNode->xmlChildrenNode;
    
40.         xmlNodePtr doceleNode;
    
41.         doceleNode = curNode;
    
42.         xmlAttrPtr attrPtr;
    
43.         xmlChar* pszAttr;
    
44.         while (NULL != doceleNode && !xmlStrcmp(doceleNode->name, (const xmlChar*)"docele"))
    
45.         {
    
46.                 //get docitem node
    
47.                 curNode = doceleNode->xmlChildrenNode;
    
48.                 while (NULL != curNode && !xmlStrcmp(curNode->name, (const xmlChar*)"docitem"))
    
49.                 {
    
50.                         //get node properties value
    
51.                         attrPtr = curNode->properties;
    
52.                         if (!xmlStrcmp(attrPtr->name, (const xmlChar*)"key"))
    
53.                         {
    
54.                                 pszAttr = xmlGetProp(curNode, BAD_CAST "key");
    
55.                         }
    
56. 
    
57.                         //get node content value
    
58.                         pszContent =xmlNodeGetContent(curNode);
    
59.                         cout << pszAttr << " = " << pszContent << endl;
    
60. 
    
61.                         //get next docitem node
    
62.                         curNode = curNode->next;
    
63.                 }
    
64. 
    
65.                 //get next docele node
    
66.                 doceleNode = doceleNode->next;
    
67.         }
    
68. #if 0
    
69.         //get resultset node child node!!!
    
70.         curNode = curNode->xmlChildrenNode;
    
71. 
    
72.         //find docset node!!!
    
73.         while (xmlStrcmp(curNode->name, (const xmlChar*)"docset"))
    
74.         {
    
75.                 curNode = curNode->next;
    
76.         }
    
77.         cout << "docset node name = " << curNode->name << endl;
    
78. 
    
79.         //get docele node!!!
    
80.         curNode = curNode->children;
    
81.         cout << "decele node name = " << curNode->name << endl;
    
82. 
    
83.         if (xmlStrcmp(curNode->name, BAD_CAST "docele"))
    
84.         {
    
85.                 cerr << "xmlStrcmp failed!" << endl;
    
86.                 xmlFreeDoc(doc);
    
87.                 return -3;
    
88.         }
    
89. 
    
90.         curNode = curNode->xmlChildrenNode;
    
91.         xmlNodePtr propNodePtr = curNode;
    
92.         while (NULL != curNode)
    
93.         {
    
94. #if 0
    
95.                 if ((!xmlStrcmp(curNode->name, (const xmlChar*)"docitem")))
    
96.                 {
    
97.                         pszKey = xmlNodeGetContent(curNode);
    
98.                         cout << pszKey << endl;
    
99.                         xmlFree(pszKey);
    
100.                 }
     
101. #endif
     
102.                 if (xmlHasProp(curNode, BAD_CAST "key"))
     
103.                 {
     
104.                         propNodePtr = curNode;
     
105.                         xmlAttrPtr attrPtr = propNodePtr->properties;
     
106.                         while (NULL != attrPtr)
     
107.                         {   
     
108.                                 if (!xmlStrcmp(attrPtr->name, (const xmlChar*)"key"))
     
109.                                 {   
     
110.                                         xmlChar* pszAttr = xmlGetProp(propNodePtr, BAD_CAST "key");
     
111.                                         cout << pszAttr << endl;
     
112.                                         xmlFree(pszAttr);
     
113.                                 }   
     
114.                                         attrPtr = attrPtr->next;
     
115.                         }   
     
116.                 }
     
117. 
     
118.                 if ((!xmlStrcmp(curNode->name, (const xmlChar*)"docitem")))
     
119.                 if (NULL == curNode)
     
120.                 {
     
121.                         cerr << "this xmldoc hasn't docset node!!!" << endl;
     
122.                         return -4;
     
123.                 }
     
124.         }
     
125. 
     
126.         //get docele node
     
127.         curNode = curNode->xmlChildrenNode;
     
128.         xmlNodePtr doceleNode;
     
129.         doceleNode = curNode;
     
130.         xmlAttrPtr attrPtr;
     
131.         xmlChar* pszAttr;
     
132.         while (NULL != doceleNode && !xmlStrcmp(doceleNode->name, (const xmlChar*)"docele"))
     
133.         {
     
134.                 //get docitem node
     
135.                 curNode = doceleNode->xmlChildrenNode;
     
136.                 while (NULL != curNode && !xmlStrcmp(curNode->name, (const xmlChar*)"docitem"))
     
137.                 {
     
138.                         //get node properties value
     
139.                         attrPtr = curNode->properties;
     
140.                         if (!xmlStrcmp(attrPtr->name, (const xmlChar*)"key"))
     
141.                         {
     
142.                                 pszAttr = xmlGetProp(curNode, BAD_CAST "key");
     
143.                         }
     
144. 
     
145.                         //get node content value
     
146.                         pszContent =xmlNodeGetContent(curNode);
     
147.                         cout << pszAttr << " = " << pszContent << endl;
     
148. 
     
149.                         //get next docitem node
     
150.                         curNode = curNode->next;
     
151.                 }
     
152. 
     
153.                 //get next docele node
     
154.                 doceleNode = doceleNode->next;
     
155.         }

复制代码

惟吾无为

转为utf-8不就得了，gbk不是国际标准，别指望外国人解决。

jfxl

惟吾无为 发表于 2012-06-18 23:19
转为utf-8不就得了，gbk不是国际标准，别指望外国人解决。

是啊要转码，不过我转了几次都没成功

1. iconv_t         iconv_utf8_gbk;
   
2. iconv_t         iconv_gbk_utf8;
   
3. 
   
4. int gbk_input (unsigned char *out, int *outlen, const unsigned char *in,
   
5.                int *inlen)
   
6. {
   
7.     char           *outbuf = (char *) out;
   
8.     char           *inbuf = (char *) in;
   
9.     size_t          rslt;
   
10.     rslt = iconv(iconv_utf8_gbk, ( char **)&inbuf, (size_t *) inlen,( char**)&outbuf, (size_t *) outlen);
    
11.     if (rslt < 0)
    
12.         return rslt;
    
13.     *outlen = ((unsigned char *) outbuf - out);
    
14.     *inlen = ((unsigned char *) inbuf - in);
    
15.     return *outlen;
    
16. }
    
17. 
    
18. int gbk_output (unsigned char *out,
    
19.                 int *outlen, const unsigned char *in, int *inlen)
    
20. {
    
21.     char           *outbuf = (char *) out;
    
22.     char           *inbuf = (char *) in;
    
23.     size_t          rslt;
    
24.     rslt =
    
25.         iconv (iconv_gbk_utf8, (char **) &inbuf, (size_t *) inlen,
    
26.                &outbuf, (size_t *) outlen);
    
27.     if (rslt < 0)
    
28.         return rslt;
    
29.     *outlen = ((unsigned char *) outbuf - out);
    
30.     *inlen = ((unsigned char *) inbuf - in);
    
31.     return *outlen;
    
32. }
    
33. 
    
34. 
    
35. 
    
36. 
    
37. string&  replace_all_distinct(string&   str,const   string&   old_value,const   string&   new_value)
    
38. {
    
39.         for(string::size_type   pos(0);   pos!=string::npos;   pos+=new_value.length())   {
    
40.                 if(   (pos=str.find(old_value,pos))!=string::npos   )
    
41.                         str.replace(pos,old_value.length(),new_value);
    
42.                 else
    
43.                         break;
    
44.         }
    
45.         return   str;
    
46. }
    
47. 
    
48. 
    
49. 
    
50. int main(int argc, const char** argv)
    
51. {
    
52. 
    
53.         xmlDocPtr doc;
    
54.         xmlNodePtr curNode;
    
55.         xmlChar *pszContent;
    
56.         string docName = argv[1];
    
57. 
    
58.         iconv_utf8_gbk = iconv_open("utf-8", "gbk");
    
59.         iconv_gbk_utf8 = iconv_open("gbk", "utf-8");
    
60. 
    
61.         xmlNewCharEncodingHandler("gb2312", gbk_input, gbk_output);//添加gb2312编码支持
    
62.         xmlNewCharEncodingHandler("gbk", gbk_input, gbk_output);//添加gbk编码支持
    
63. 
    
64.         //doc = xmlReadFile(docName.c_str(), "GBK", XML_PARSE_NOBLANKS);
    
65.         //doc = xmlParseFile(docName.c_str());
    
66. 
    
67.         doc = xmlReadFile(docName.c_str(), "gbk", 0);
    
68. 
    
69.         //doc = xmlReadFile(docName.c_str(), "GBK", XML_PARSE_RECOVER);
    
70.         if (NULL == doc)
    
71.         {
    
72.                 cerr << "xmlReadFile failed!" << endl;
    
73.                 return -1;
    
74.         }
    
75. 
    
76.         //获取doc根节点
    
77.         curNode = xmlDocGetRootElement(doc);
    
78.         if (NULL == curNode)
    
79.         {
    
80.                 cerr << "xmlDocGetRootElement failed!" << endl;
    
81.                 xmlFreeDoc(doc);
    
82.                 return -2;
    
83.         }
    
84.         cout << "root node name = " << curNode->name << endl;
    
85. 
    
86.         curNode = curNode->xmlChildrenNode;
    
87.         while (xmlStrcmp(curNode->name, (const xmlChar*)"docset"))
    
88.         {
    
89.                 curNode = curNode->next;
    
90.                 if (NULL == curNode)
    
91.                 {
    
92.                         cerr << "this xmldoc hasn't docset node!!!" << endl;
    
93.                         return -4;
    
94.                 }
    
95.         }
    
96. 
    
97.         //get docele node
    
98.         curNode = curNode->xmlChildrenNode;
    
99.         xmlNodePtr doceleNode;
    
100.         doceleNode = curNode;
     
101.         xmlAttrPtr attrPtr;
     
102.         xmlChar* pszAttr;
     
103.         while (NULL != doceleNode && !xmlStrcmp(doceleNode->name, (const xmlChar*)"docele"))
     
104.         {
     
105.                 //get docitem node
     
106.                 curNode = doceleNode->xmlChildrenNode;
     
107.                 while (NULL != curNode && !xmlStrcmp(curNode->name, (const xmlChar*)"docitem"))
     
108.                 {
     
109.                         //get node properties value
     
110.                         attrPtr = curNode->properties;
     
111.                         if (!xmlStrcmp(attrPtr->name, (const xmlChar*)"key"))
     
112.                         {
     
113.                                 pszAttr = xmlGetProp(curNode, BAD_CAST "key");
     
114.                         }
     
115. 
     
116.                         //get node content value
     
117.                         pszContent =xmlNodeGetContent(curNode);
     
118.                         //ConvertEnc("utf-8", "gb2312", (char *)xmlNodeGetContent(curNode));
     
119.                         cout << pszAttr << " = " << pszContent << endl;
     
120. 
     
121.                         //get next docitem node
     
122.                         curNode = curNode->next;
     
123.                 }
     
124. 
     
125.                 //get next docele node
     
126.                 doceleNode = doceleNode->next;
     
127.         }
     
128. #if 0
     
129.         //get resultset node child node!!!
     
130.         curNode = curNode->xmlChildrenNode;
     
131. 
     
132.         //find docset node!!!
     
133.         while (xmlStrcmp(curNode->name, (const xmlChar*)"docset"))
     
134.         {
     
135.                 curNode = curNode->next;
     
136.         }
     
137.         cout << "docset node name = " << curNode->name << endl;
     
138. 
     
139.         //get docele node!!!
     
140.         curNode = curNode->children;
     
141.         cout << "decele node name = " << curNode->name << endl;
     
142. 
     
143.         if (xmlStrcmp(curNode->name, BAD_CAST "docele"))
     
144.         {
     
145.                 cerr << "xmlStrcmp failed!" << endl;
     
146.                 xmlFreeDoc(doc);
     
147.                 return -3;
     
148.         }
     
149. 
     
150.         curNode = curNode->xmlChildrenNode;

复制代码

惟吾无为

我还在学C，不大看的懂。

有没有报错？定位出错环节再修改。

TerryJk

上网搜个GBK转UTF-8的代码就可以了