NSXMLParser 和 BOM 字节

Question

由于来自某个服务器的 php 查询，我正在获取我的 xml 文件。当我将结果数据打印到控制台时，我得到了结构良好的 xml 文件。当我尝试使用 NSXMLParser 解析它时，它返回带有代码 4 的 NSXMLParserErrorDomain - 空文档。 我看到它无法解析的 xml 在关闭 xml 标头的“>”标记后立即具有 BOM（字节顺序标记）序列。问题是如何摆脱 BOM 序列。我试图用这样的 BOM 字节创建一个字符串：

    const   UInt8 bom[3] = {0xEF, 0xBB, 0xBF};
NSString    *bomString = [[NSString alloc] initWithData:[NSData dataWithBytes:(const void *)bom length:3] encoding:NSUTF8StringEncoding];
NSString    *noBOMString = [theResult stringByReplacingOccurrencesOfString:bomString withString:@" "];

但由于某种原因它不起作用。有 xml，在根元素之后有这个序列。在这种情况下，NSXMLParser 成功解析了 xml。 Safari 会忽略这些字符。所以 Xcode 调试器。请帮忙！

谢谢，

纳瓦

Answer 1

我试图用这样的 BOM 字节创建一个字符串：

const   UInt8 bom[3] = {0xEF, 0xBB, 0xBF};
NSString    *bomString = [[NSString alloc] initWithData:[NSData dataWithBytes:(const void *)bom length:3] encoding:NSUTF8StringEncoding];
NSString    *noBOMString = [theResult stringByReplacingOccurrencesOfString:bomString withString:@" "];

但由于某种原因它不起作用。

确保在实例化 noBOMString 时提供了正确的编码。如果文档数据是 UTF-8，请确保将字符串实例化为 UTF-8。同样，如果数据是 UTF-16，请确保将字符串实例化为 UTF-16。

如果你传递了错误的编码，要么字符串根本不会实例化（我假设这不是你的问题），要么某些字符会出错。 BOM 将是其中之一：如果输入是 UTF-8 并且您将其解释为 MacRoman 或 ISOLatin1，它将在字符串中显示为三个单独的字符。这三个单独的字符不会与作为 BOM 的单个字符进行比较。

Answer 2

我不确定这是否是问题所在。我有一个非常相似的经验，文件被编码为 UTF-8，但 xml 标头声称它是 UTF-16。

由于不匹配，我无法解析它并出现与您相同的错误。但是，将 xml 标头从 UTF-16 更改为 UTF-8 解决了我的问题。

您可能会遇到类似的问题。

Answer 3

好吧，这可能不是摆脱 BOM 字节的最佳方法，但它确实有效。对于那些像我一样花了几个小时试图让 NSXMLParser 吞下 BOM 的人： 假设您通过 NSURLConnection 获取数据并将其存储在 NSMutableData *webData 中。

    const char bom[3] = {0xEF, 0xBB, 0xBF};

char *data = [webData mutableBytes];
char *cp = data, *pp;
long lessBom = 0;
do {
    cp = strstr((const char *)cp, (const char *)bom);
    if (cp) {
        pp = cp;
        cp += 3;
        memcpy(pp, cp, strlen(cp));
        lessBom += 3;
    }
} while (cp != NULL);

NSMutableData   *newData = [[NSMutableData alloc] initWithBytes:data length:webData.length - lessBom];

然后你用 newData 创建你的解析器，它就可以工作了！我很高兴得到此代码的任何 cmets/改进