Xerces 3.2中XMLString::transcode处理特殊字符失效问题排查

问题原因分析 #

1. 转码器初始化异常：配置Iconv作为转码器后，若未在XMLPlatformUtils::Initialize()阶段正确指定Iconv转码器，或未设置XERCES_TRANSCODER=Iconv环境变量，Xerces会 fallback 到默认转码逻辑，可能导致转码失败输出全0。
2. XMLCh*本身无效：从XML节点获取属性时如果出错（比如节点不存在、属性名拼写错误），拿到的XMLCh*是空指针或未初始化内存，转码后自然无有效内容。
3. 内存管理错误：XMLString::transcode返回的是动态分配的char*，如果转码后未检查返回值就直接操作，或者提前释放了内存，会导致输出全0。
4. 编码匹配问题：Iconv转码器需要明确源编码（Xerces的XMLCh是UTF-16BE），如果配置时源编码错误，也会导致转码失败。

替代实现方案（无需XMLString::transcode） #

方案1：直接用Xerces原生API输出XML #

如果需求是输出XML内容，完全不需要转成char*，用Xerces的DOMLSSerializer可直接处理编码和特殊字符：

#include <xercesc/dom/DOMImplementationLS.hpp>
#include <xercesc/dom/DOMLSSerializer.hpp>
#include <fstream>

// 初始化Xerces（已执行过可跳过）
XMLPlatformUtils::Initialize();

// 获取DOM实现与序列化器
DOMImplementation* impl = DOMImplementationRegistry::getDOMImplementation(XMLString::transcode("LS"));
DOMLSSerializer* serializer = ((DOMImplementationLS*)impl)->createLSSerializer();
DOMLSOutput* output = ((DOMImplementationLS*)impl)->createLSOutput();

// 设置输出编码为UTF-8
XMLCh* utf8Enc = XMLString::transcode("UTF-8");
output->setEncoding(utf8Enc);
XMLString::release(&utf8Enc);

// 输出到文件
std::ofstream outFile("result.xml");
output->setByteStream(new xercesc::StdOutFormatTarget(outFile.rdbuf()));
serializer->write(yourDOMDocument, output);

// 释放资源
serializer->release();
output->release();
XMLPlatformUtils::Terminate();

方案2：手动封装Iconv转码逻辑 #

自己实现XMLCh到UTF-8的转码，完全不依赖Xerces的transcode：

#include <iconv.h>
#include <string>
#include <xercesc/util/XMLString.hpp>

std::string xmlch_to_utf8(const XMLCh* xmlchStr) {
    if (!xmlchStr) return "";

    size_t inLen = xercesc::XMLString::stringLen(xmlchStr) * sizeof(XMLCh);
    size_t outBufSize = inLen * 4; // 预留足够的UTF-8转换空间
    char* outBuf = new char[outBufSize];
    char* outPtr = outBuf;
    const char* inPtr = reinterpret_cast<const char*>(xmlchStr);

    // 打开Iconv转码器：源编码UTF-16BE（Xerces默认XMLCh编码），目标编码UTF-8
    iconv_t cd = iconv_open("UTF-8", "UTF-16BE");
    if (cd == (iconv_t)-1) {
        delete[] outBuf;
        return "";
    }

    // 执行转码
    iconv(cd, const_cast<char**>(&inPtr), &inLen, &outPtr, &outBufSize);
    iconv_close(cd);

    std::string result(outBuf, outPtr - outBuf);
    delete[] outBuf;
    return result;
}

方案3：利用C++标准库的宽字符转换 #

如果项目支持C++11及以上，可以用<codecvt>实现转换：

#include <string>
#include <codecvt>
#include <xercesc/util/XMLString.hpp>

std::string xmlch_to_utf8(const XMLCh* xmlchStr) {
    if (!xmlchStr) return "";

    // XMLCh是unsigned short，直接转成wstring
    std::wstring wideStr(reinterpret_cast<const wchar_t*>(xmlchStr));

    // 宽字符串转UTF-8
    std::wstring_convert<std::codecvt_utf8<wchar_t>> converter;
    return converter.to_bytes(wideStr);
}

注意：部分旧编译器可能不支持<codecvt>，需要确认编译环境兼容性。

内容的提问来源于stack exchange，提问作者Samikaze