XMLCh 到 wchar_t，反之亦然

Question

我的配置：

• 编译器：gnu gcc 4.8.2
• 我用 C++11 编译
• 平台/操作系统：Linux 64 位 Ubuntu 14.04.1 LTS

我想用 wchar_t* 提供一个方法，并在许多需要 XMLCh* 的 xecerces 库方法中使用它，但我不知道如何从一个转换到另一个。如果您使用 char* 而不是 wchar_t* 很容易，但我需要使用宽字符。在 Windows 下，我可以轻松地从一个转换到另一个，但它在我的 linux 机器上不起作用。不知何故，我必须手动将 wchar_t* 转换为 XMLCh*

我通过库 libxerces-c-3.1.so 链接，它专门使用 XMLCh*。 XMLCh 可以处理宽字符，但我不知道如何将它提供给它，以及如何从 XMLCh* 返回 wchar_t*

我开发了这个，但它不起作用（这里我吐出了一个 wstring，它在清理内存方面比指针更容易管理：

static inline std::wstring XMLCh2W(const XMLCh* tagname)
{
    std::wstring wstr;
    XMLSize_t len1 = XMLString::stringLen(tagname);
    XMLSize_t outLen = len1 * 4;
    XMLByte ut8[outLen+1];
    XMLSize_t charsEaten = 0;
    XMLTransService::Codes failReason; //Ok | UnsupportedEncoding | InternalFailure | SupportFilesNotFound
    XMLTranscoder* transcoder = XMLPlatformUtils::fgTransService->makeNewTranscoderFor("UTF-8", failReason,16*1024);

    unsigned int utf8Len = transcoder->transcodeTo(tagname,len1,ut8,outLen,charsEaten,XMLTranscoder::UnRep_Throw);// XMLTranscoder::UnRep_Throw UnRep_RepChar

    ut8[utf8Len] = 0;
    std::wstring wstr = std::wstring((wchar_t*)ut8);//I'm not sure this is actually ok to do
    return wstr;
}

Answer 1

XMLCh 由 wchar_t（在 Windows 上）或 uint16_t（在 Linux 上）定义，并使用 UTF-16 编码。

不幸的是，gcc 4.8.2 不支持 std::wstring_convert 转换 unicode 字符串的编码。但是您可以使用Boost 的 locale::conv::utf_to_utf() 与 XMLCh 进行转换。

#include <boost/locale.hpp>

static inline std::wstring XMLCh2W(const XMLCh* xmlchstr)
{
    std::wstring wstr = boost::locale::conv::utf_to_utf<wchar_t>(xmlchstr);
    return wstr;
}

static inline std::basic_string<XMLCh> W2XMLCh(const std::wstring& wstr)
{
    std::basic_string<XMLCh> xmlstr = boost::locale::conv::utf_to_utf<XMLCh>(wstr);
    return xmlstr;
}

如果要使用 wchar_t* 或 XMLCh*，请使用 c_str() 方法，如下所示。

const wchar_t* wcharPointer = wstr.c_str();
const XMLCh* xmlchPointer = xmlstr.c_str();

Answer 2

不，您不能在 GCC 下这样做，因为 GCC 将 wchar_t 定义为 32 位 UTF-32/UCS-4 编码（区别对于实际目的并不重要）字符串，而 Xerces-c将 XmlCh 定义为 16 位 UTF-16 编码的字符串。

我发现最好的方法是使用 C++11 对 UTF-16 字符串的支持：

• char16_t 和 XmlCh 是等价的，但不能隐式转换；您仍然需要在它们之间进行转换。但至少这比转码便宜。
• std::basic_string<char16_t> 是等效的字符串类型。
• 使用u"str" 和u's' 形式的文字。

不幸的是，VC++ 不支持 C++11 UTF-16 文字，尽管 wchar_t 文字是 UTF-16 编码的。所以我最终在标题中得到了这样的东西：

#if defined _MSC_VER
#define U16S(x) L##x
typedef wchar_t my_u16_char_t;
typedef std::wstring my_u16_string_t;
typedef std::wstringstream my_u16_sstream_t;
inline XmlCh* XmlString(my_u16_char_t* s) { return s; }
inline XmlCh* XmlString(my_u16_string_t* s) { return s.c_str(); }
#elif defined __linux
#define U16S(x) u##x
typedef char16_t my_u16_char_t;
typedef std::basic_string<my_u16_char_t> my_u16_string_t;
typedef std::basic_stringstream<my_u16_char_t> my_u16_sstream_t;
inline XmlCh* XmlString(my_u16_char_t* s) { return reinterpret_cast<XmlCh*>(s); }
inline XmlCh* XmlString(my_u16_string_t* s) { return XmlString(s.c_str()); }
#endif

IMO，这是一团糟，但直到 VC++ 支持 C++11 Unicode 文字，我才能看到它被整理出来，从而允许直接用 char16_t 重写 Xerces。

Answer 3

我最近处理了这个问题，现在 Visual Studio 2015 支持 Unicode 字符和字符串文字，这很容易以跨平台的方式处理。我使用以下宏和static_assert 来保证正确性：

#define CONST_XMLCH(s) reinterpret_cast<const ::XMLCh*>(u ## s)

static_assert(sizeof(::XMLCh) == sizeof(char16_t), 
    "XMLCh is not sized correctly for UTF-16.");

使用示例：

const XMLCh* features = CONST_XMLCH("Core");
auto impl = DOMImplementationRegistry::getDOMImplementation(features);

这是可行的，因为 Xerces 将 XMLCh 定义为 16 位宽并保存 UTF-16 字符串值，这与标准为前缀为 u 的字符串文字给出的定义完全匹配。编译器不知道这一点，也不会在char16_t* 和XMLCh* 之间进行隐式转换，但是您可以使用reinterpret_cast 来解决这个问题。如果出于某种原因您尝试在大小不匹配的平台上编译 Xerces，static_assert 将失败并引起对问题的关注。