c++ - 解析以 UTF-8 编码的 XML

Question

我正在使用以 UTF-8 编码的维基百科 XML 转储。现在，我正在以 std::string 的形式读取所有内容，因此当我将 std::cout 显示到屏幕时，外来字符显示为乱码。

虽然实际的解析过程只查找 ASCII 字符，但是当我将解析后的文件写入磁盘时，我想保留外来字符。换句话说，我希望输出与输入具有相同的编码。

可以使用 std::string 吗，还是我必须使用 ICU 之类的东西？我看过的图书馆似乎过于复杂。有什么我可以用来做这件事的快速方法吗？

Answer 1

UTF-8 是 XML 文档的默认编码。只需将其写入您的文件即可。将它转换为 Unicode 并再次转换回来是没有意义的。如果它不小心被扔到你的屏幕上，请移开你的视线:-)

删除像“{”这样的 ASCII 字符不会造成问题。 UTF-8 的设计使得多字节字符中的任何字节都不在 0-127 范围内，因此不会与 ASCII 字符混淆。