使用NSXmlParser解析ISO-8859-1编码

Question

我正在使用nsxmlparser，并想知道如何正确将ISO-8859-1解析为NSString。

目前，我得到的结果中，两个字节字符会出现Â。

XML（非我创建）以<?xml version="1.0" encoding="ISO-8859-1"?>开始。

这里是我正在使用的基本调用（省略了NSThread调用）。

NSString *xmlFilePath = [[NSBundle mainBundle] pathForResource:sampleFileName ofType:@"xml"];

NSString *xmlFileContents = [NSString stringWithContentsOfFile:xmlFilePath encoding:NSUTF8StringEncoding error:nil];

NSData *data = [xmlFileContents dataUsingEncoding:NSUTF8StringEncoding];

NSXMLParser *parser = [[NSXMLParser alloc] initWithData:data];

[parser setDelegate:self];

[parser parse];

- Ternary

---

看起来你的源编码可能至少部分采用了UTF-8。我建议发布一个示例（或示例链接），以便进一步诊断。 - Epsilon Prime

我在顶部看到了一行 <?xml version="1.0" encoding="ISO-8859-1"?>。我猜那是编码？我该如何设置 NSXmlParser 来使用它？ - Ternary

Travis：这是包含编码声明的Prolog，是的。它可能是错误的！或者解析器可能没有正确使用它。无论哪种方式，不，您不应该需要告诉解析器;如果它识别编码的名称，它应该遵守声明（如是）。 - bignose

Answer 1

XML规范建议在文档开头明确声明字符编码。您的输入文档可能已经有一个，这将告诉解析器必须使用哪种编码来解释字符输入。

如果没有明确声明，同一部分建议将输入视为UTF-8或UTF-16（如果实际上不是这两者中的任何一种，则该文档存在错误）。

因此，如果您的XML解析器忽略了明确的编码声明，或者在没有明确声明的情况下使用了错误的编码，则您的解析器正在错误地执行操作，需要修复以符合XML规范。

- bignose

---

啊，好的，这很有道理。抱歉我有点新手。所以在我的XML文档顶部是一行<?xml version="1.0" encoding="ISO-8859-1"?>。那就是编码，对吗？所以我要告诉NSXmlParser这个编码？ - Ternary

请注意，XML规范并不要求解析器理解除UTF-8和UTF-16之外的任何内容（第2.2节）。我从未使用过相关的XML解析器，所以我不能确定，但可能情况是NSXmlParser不支持超出这些范围的内容。 - Michael Madsen

Answer 2

看起来你的头部认为它是ISO-8859-1，并且从行为（最终以两个字符而不是一个字符结束）来看，至少有一些内容已经是UTF-8了。这看起来像是经典的“双重UTF-8编码问题”，其中已编码为UTF-8的内容再次被编码为UTF-8。将标题更改为UTF-8，它可能会开始工作。您可以尝试始终通过UTF-8运行代码，然后按照其所说的格式运行代码（因为如果不是UTF-8，则会出现解析器错误）。

最后请注意，如果通过HTTP提供服务，则XML文件的编码会被HTTP头覆盖。

不确定是否适用于您的需求，但我喜欢这篇关于parsing XML at all costs的文章。例如，我还喜欢feedparser（Python），因为它是最好的XML解析器之一（非常适合思路但不适用于您的情况）。

- Epsilon Prime

---

非常感谢您提供的信息。如果我有一个指向XML文件的HTTP链接，那么有什么简单的方法可以将该文件下载到本地以便查看，而不需要对HTTP进行修改？我在Safari中尝试过，但还没有找到合适的方法。 - Ternary

为了调试目的，我倾向于在命令行上使用“curl”或“wget”，并告诉它们显示报头。 在浏览器中，我会使用Firefox以及像FireBug这样的扩展程序来显示标头。 要在浏览器中查看内容，我只需右键单击并选择“查看源代码”。 - Epsilon Prime