win32上libxml字符编码的问题

【问题标题】：Problem with libxml character enconding on win32win32上libxml字符编码的问题
【发布时间】：2009-08-13 18:16:30
【问题描述】：

在使用 libxml 解析一些 html 文件时，函数 xmlParseFile() 返回代码包含非 UTF-8 字符如何将库的默认字符集修改为 ISO-8859-1？有没有其他方法可以解决这个问题？

PS：整个开发都是基于libxml，大部分情况下都能正常工作，所以无法切换到其他库。

【问题讨论】：

我不确定我是否理解。您收到的是非 UTF-8 字符，所以您想切换到更严格的字符集 (8859)？这有什么帮助？

标签： html xml utf-8 iso-8859-1 libxml2

【解决方案1】：

用于 XML 数据的编码必须在 XML 的序言中指定。如果未指定编码，W3 的 XML 规范规定必须采用 UTF-8。

为什么要使用 XML 解析器来解析 HTML 数据？ libxml 有一个独立于其 XML 解析器的 HTML 解析器。查看 htmlParseFile() 和相关函数。由于 HTML 不是 XML，因此不会出现用于指示数据编码的 XML 序言。不过，HTML 确实有一个可用的 <meta> 标记，可以在 <head> 标记内使用它。 libxml 的 HTML 解析器会寻找该标记来确定编码，如果没有直接显式传递给 htmlParseFile()。

【讨论】：