将没有 BOM xml 文件的 UTF-8 转换为 ISO 8859-1

Question

我有一个没有 BOM 的 UTF-8 编码的 xml 文件。在十六进制编辑器中它给出：3c 3f 78 6d

我缓冲我的 xml 文件并在开头添加 BOM：

char* BufferEncoder = (char*)malloc(3);
memset(BufferEncoder, 0, size);
for(int i=0;i<3;i++) BufferEncoder[i] ^= 0xaa;
BufferEncoder[0]=(char)0xef;
BufferEncoder[1]=(char)0xbb;
BufferEncoder[2]=(char)0xbf;
// concatenate into a new Buffer containing old xml and the BOM

然后我尝试使用以下代码行将带有 BOM 的 UTF-8 转换为 ISO 8859-1：

int size = WideCharToMultiByte(28591 /*ISO-8859-1*/, 0,  pBuffer, -1, NULL, 0, NULL, 0);
if (size>0)
{
    char* pBuffer2 = (char*)malloc(size);
    memset(pBuffer2, 0, sizeNew);
    WideCharToMultiByte(28591, 0,pBuffer,-1, pBuffer2, size, NULL, 0);
    // .........

此代码尚未经过测试。你认为这是最好的解决方案吗？欢迎任何想法或建议。提前谢谢你。

Answer 1

正如我在评论中提到的那样：我认为这种思路需要向您提出一些问题，可以这么说：

1. 您为什么首先进行此转换？

2. 你真的知道WideCharToMultiByte()是做什么的吗？

我会坦率地承认，我自己并不完全清楚 WideCharToMultiByte() 到底做了什么；但我将继续假设它将一串宽字符转换为一串多字节字符。快速浏览一下文档，似乎它在一个新缓冲区中执行此操作，返回新字符串的长度。

这一切都很好，花花公子。问题是 UTF-8 实际上是 not 宽字符编码； ISO-8859-1 不是多字节编码。 UTF-8 是一种多字节编码；但在这种情况下，这对您并没有太大帮助。

我的建议；那么，您是否阅读了字符编码；尤其是 UTF-8（多字节）和 UTF-16（宽）之间的区别。

我还建议您为实际接受 UTF-8 字符串的任何尝试找到不同的接口；因为任何需要 ISO-8859-1 字符串的接口，尤其是在处理 XML 时，都让我觉得它是非常过时的，几乎是完全疯狂的。

当然，您是否真的说明了总体上您正在努力实现的目标？可以给出更具体的建议。

编辑：如果我正确理解了您的难题，那么问题是您得到了一个格式正确且编码正确的 XML 文件，其中可能包含 ASCII 范围之外的字符（U+0…U+127 ）。如果这是问题所在，以任何方式、形状或形式使用 ISO-8859-1 都会让您成为未来所有头痛之母：

编码问题

如果文本文件可以包含 某些字符 超出 ASCII 范围，那么它可以包含 任何字符 超出 ASCII 范围。虽然 UTF-8 可以表示任何字符，但 ISO-8859-1 并非如此。

换句话说；如果您坚持使用接口，那么您最好的情况是滥用编码是不可逆转的信息丢失；最坏的情况是崩溃和烧毁。

我的观点是：不要溺爱损坏的界面，永远不要使用 UTF-8。