从字符文档到xml文档

【 tulaoshi.com - Web开发 】

    计算机世界尽管现在越来越多地试图使用unicode这一世界语来说话，但还是存在着gb2312,shift-jis这样的方言，使用MSXML DOM就会清楚地体会到方言的不便。

    我想将下面这个文本文档直接存为转换成xml，是否OK，答案是NG（No Good）

strXML="？xml version=""1.0"" encoding=""GB2312""？XML这里是一些编码为GB2312的xml文档/XML"
Set domXML = New DOMDocument
domXML.loadXML strXML
If domXML.parseError Then Debug.Print domXML.parseError.reason Else Debug.Print domXML.xml

    执行这段代码会返回Switch from current encoding to specified encoding not supported.(不支持从当前编码转换到指定的编码)这样的错误信息。为什么会这样呢？Chris Lovett说:[LoadXML 方法总是采用只在 UCS-2 或 UTF-16 中编码的 Unicode BSTR。如果将非有效的 Unicode BSTR 的内容传递给 LoadXML，则加载会失败。]

    因此我们不得不只加载没有用"方言"的文档给DOMDocument对象。将？xml version="1.0" encoding="GB2312"？去掉，这样的话strXML将作为unicode字符串交给dom处理。

strXML="XML这里是一些编码为GB2312的xml文档/XML"

   看到上面的用法，热爱自己语言的人们也许会大骂ms的。

   如果对这一问题深入研究一下，其实我们完全能做到将带有方言标志的文档直接加载到dom上，我编了一个小函数解决之一问题。

Private Function Str2XML(strOri As String) As DOMDocument
Dim xmlDoc As DOMDocument
Set xmlDoc = New DOMDocument
Dim pi() As Byte
pi() = StrConv(strOri, vbFromUnicode)
xmlDoc.Load pi
Set Str2XML = xmlDoc
End Function

我们用如下代码试一下

Set domXML = New DOMDocument
Set domXML = Str2XML(strXML)
If domXML.parseError Then Debug.Print domXML.parseError.reason Else Debug.Print domXML.xml

   就会发现正确输出了带？xml version="1.0"标志的xml文档。但你如果用这个函数处理不带"方言"标志的文档可能会出现下面的错误

An Invalid character was found in text content.（在文本内容里存在非法字符）对于这个问题我也是在写这篇文章的时候才发现，我想在将一个text文档转换为xml文档的时候应该先检查一下语言标志吧。如果说方言交给我的函数去做，说世界语的就让他说吧。

Str2XML函数的原理是什么呢？

从下面Chris Lovett的描述里我想大家不难作出解释。

Load 方法可将以下内容当作 VARIANT：

1，(URL)：如果 VARIANT 是 BSTR，则将其理解为 URL。

2，(VT_ARRAY 或 VT_UI1): VARIANT 也可以是包含原始编码字节的 SAFEARRAY。

3,（IUnknown）: 如果 VARIANT 是 IUnknown 接口，则 DOM 文档为 IStream、IPersistStream 和 IPersistStreamInit 调用 QueryInterface。

   在msdn里没有提及load的非url应用，只是在ms的例子里能看到一些端倪，而且也是怪怪的。我的这篇文章也许可以称为msxml inside文章了吧。

   顺便提一下用xmlhttp发到server上的数据在转化为xml文档的时候就使用了load的这一用法。

// Load the posted XML data and save it to disk.
xmldoc.load(Request);

   大家不觉的load(Request)的用法怪怪的吗？

   其实我们分析一下用Request.BinaryRead读到的内容就会明白了。那就是文本文档的SafeArray形式，一切没有什么神秘的。

   建议大家读〈XML 数据的编码方式〉的中文版本。