TinyXML 解析多字节字符但跳过 [x] 字符

Question

我有一个 c++ 程序，它从服务器接收一些 xml，然后尝试解析它以填充一些组合框，例如

<?xml version="1.0"?>
    <CustomersMachines>
        <Customer name="bob" id="1">
            <Machine name="office1" id="1" />
            <Machine name="officeserver" id="2" />
        </Customer>
     </CustomersMachines>

对于这些值，TinyXML 可以很好地解析，并且生成的组合框会按预期填充。当多字节字符放置在（或靠近，取决于多少字节）名称元素的末尾时，就会出现问题。

<Customer name="boß" id="3">

将导致组合框填充值 boß" id=

通过调试器，我看到当一个多字节字符传递给 ReadText() 时，元素中的以下 1-3 个单字节字符被跳过但自动包含在内，因此 tinyXML 不会注册关闭引用并继续解析，直到到达下一个。在发送 xml 的服务器上运行的应用程序主要使用 ISO-8859-1 编码，而 tinyXML 默认为 UTF-8。

我尝试将 tinyxml 调整为默认使用 TIXML_ENCODING_UNKNOWN，这似乎可以解决问题，但会在程序的其他地方引起大量问题。我尝试过的其他事情是在发送之前对 xml 服务器端进行 utf8_encode（但这会导致奇怪的字符显示在应该是多字节字符的组合框中），并强制编码到发送到的 xml客户端程序无济于事。

有人知道在这种情况下如何防止多字节字符自动忽略以下 1-3 个字符吗？

Answer 1

<?xml?> prolog 未指定编码。如果编码不能通过带外方式在 XML 之外使用，则必须根据 XML 规范的Appendix F 中概述的规则，通过分析 XML 的起始字节来猜测编码。在这种情况下，这可能会导致选择 UTF-8。如果 XML 实际上不是 UTF-8 编码的，那将解释您所看到的行为。

在 ISO-8859-1 中，ß 编码为字节字节 0xDF，" 编码为字节字节 0x22。

在 UTF-8 中，0xDF 是 2 字节八位字节序列的起始字节，它解释了 " 被跳过的原因。但是，0xDF 0x22 不是有效的 UTF-8 2 字节字节序列，因此 TinyXml 应该会导致解析失败并出现错误。如果没有，那么这是 TinyXml 中的一个错误。

如果 XML 实际上是 ISO-8859-1 编码的，则服务器必须提供该信息。如果不是，那么这是服务器中的一个错误。