UTF-8 NO-BREAK SPACE 导致 NSXMLParser 出现问题

Question

我正在解析一些 UTF8 文本，其中包含 UTF-8 NO-BREAK SPACE (C2A0) 而不是常规空格字符，这导致 NSXMLParser 出现问题。

例如，包含 3 个常规空格字符的“我是一个字符串”将作为一个完整的字符串传递给解析器：(NSXMLParser *)parser foundCharacters:(NSString *)string。

但是，包含 3 个 NO-BREAK-SPACES 而不是常规空格的“我是一个字符串”会导致 4 次解析器调用：(NSXMLParser *)parser foundCharacters:(NSString *)string 和 4 个子字符串。

我只想提取“我是一个字符串”，如果遇到这些 UTF8 字符，是否有任何巧妙的解决方案可以让 NSURLConnection 不将其分解为子字符串？

我无法控制输入 - 它来自服务器作为 UTF8 编码的 XML over HTTP。

Answer 1

找到一些从未使用过的 Unicode 字符 - 一些符号 - 并使用 NSString 将空格字符更改为其他字符，然后提取您想要的内容，并对字符串进行反向编码。

编辑：假设您将网页作为 NSData 对象获取：

NSString *str = [[NSString alloc] initWithData:myData encoding:NSUTF8StringEncoding];
NSString *nStr = [str stringByReplacingOccurrencesOfString:@"\uC2A0" withString:@"\u2208"];
NSData *nData = [[nStr ]dataUsingEncoding:NSUTF8StringEncoding];
// do your parsing
// for each parsed string
NSString *nStr = [str stringByReplacingOccurrencesOfString:@"\u2208" withString: @"\uC2A0"];

这将在最后得到您的确切输入字符串。但也许你只是想忘记那些 Unicode 空格，把它们变成真正的空格：

NSString *nStr = [str stringByReplacingOccurrencesOfString:@"\u2208" withString: @" "];
NSString *str = [[NSString alloc] initWithData:myData encoding:NSUTF8StringEncoding];
NSString *nStr = [str stringByReplacingOccurrencesOfString:@"\uC2A0" withString:@"\u2208"];
NSData *nData = [[nStr ]dataUsingEncoding:NSUTF8StringEncoding];

您甚至可以查找双空格并用一个空格替换它们。