业余爱好用lazarus写了个小程序读取网页数据,读取数据很快就实现了。但是碰到了汉字编码的问题,乱码。
实现过程:
1.用IndHttp 读取网页数据,获取的数据会放在TMemoryStream 里面
2.将TMemoryStream 里面的数据提取到String里面显示出来。
碰到的问题:
1.用TStringStream, 强制类型转换TMemoryStream 里面的数据,然后读取DataString. 显示乱码。
2.将TmemoryStream里面的数据一个一个char都出来放到String 里,还是显示乱码。
3.将TmemoryStream里面的数据一个一个byte都出来放到String 里,还是显示乱码。
问题分析:
1. 经过跟踪IndHttp 的response,返回的格式是GB2312的,通过IOHandler 读取数据后放在MemoryStream 里面。
2. 将MemoryStream里面的每个Byte读取出来分析,发现字母数字标点符号都是一个byte,而且显示正常;到汉字的时候,因为是gb2312所以是连着的两个byte 表示一个汉字,例如 byte 值为 190+198 表示‘酒’字,Hex的表示是BEC6,到一些在线转码工具上验证过是正确的,所以可以确定MemoryStream里的数据是可以用的,只是需要正确的转码方式。
3. 用const的汉字字符串赋值给一个String, 如str:='酒'; 然后看看str里面的byte情况,发现由三个byte组成的,这是因为str统一用的是utf8编码。
4. 到这里基本上确定问题了,就是一个gb2312 的byte 数组怎么转成utf8 字符串。