c++ libxml2读取UTF8-BOM编码格式的XML文件引发的问题

C++中调用libxml2参考:c++中使用libxml2读取xml文件的方法
其中打开XML文件代码如下
doc = xmlReadFile(szDocName,"UTF-8",XML_PARSE_RECOVER); //解析文件
当XML文件以UTF8-BOM编码格式保存时,会出现错误提示:
Start tag expected, ‘<’ not found
锘??xml version=“1.0” encoding=“utf-8”?>

通过此提示可以知道文件存在其他字符 通过十六进制打开文件可以发现
文件开头多出 0xEF, 0xBB, 0xBF
查找资料对BOM的说明如下,

在UCS 编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符,它的编码是FEFF。而FFFE在UCS中是不存在的字符,所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前,先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样如果接收者收到FEFF,就表明这个字节流是Big-Endian的;如果收到FFFE,就表明这个字节流是Little- Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。
UTF-8不需要BOM来表明字节顺序,但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流,就知道这是UTF-8编码了。

若使用

doc = xmlReadFile(szDocName,"UTF-8-BOM",XML_PARSE_RECOVER); //解析文件

也无法实现解析需求
查找xmlReadFile说明:参考:libxml2经验–xmlReadFile

可知ebcoding 设置编码格式还可以为空

在查找过程的问题中
使用文件比较器Beyond Compare时在这里插入图片描述
存在自动检查Unicode文件这个功能。
对此对xmlReadFile的编码参数设置为NULL,这个功能是否也存在自动识别格式功能

并且在xmlReadFile函数下还有这样的说明:
//检查解析文档是否成功,如果不成功,libxml将指一个注册的错误并停止。 //一个常见错误是不适当的编码。XML标准文档除了用UTF-8或UTF-16外还可用其它编码保存。 //如果文档是这样,libxml将自动地为你转换到UTF-8。更多关于XML编码信息包含在XML标准中.

解决问题

doc = xmlReadFile(szDocName,NULL,XML_PARSE_RECOVER); //解析文件
即将xmlReadFile的编码格式参数缺省,让它自动识别,即可识别UTF8-BOM编码格式的XML文件并成功解析
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值