如何使用Poco库解析UTF-16编码的XML字符串？

这个问题我之前处理过，确实是Poco XML解析里常见的小坑——DOMParser的parseString确实只支持std::string，直接处理UTF-16的话需要绕个小弯。先明确：你考虑的将UTF-16字符串转字节数组后用parseMemory()是完全可行的，但有几个细节要注意；另外还有更省心的方案，我给你详细拆解：

方案一：直接用parseMemory()处理UTF-16字节流 #

这种方式不需要编码转换，直接把std::u16string的底层字节传给解析器，但要解决字节序的核心问题：

• UTF-16分大端（BE）和小端（LE），XML解析器需要明确知道字节序才能正确解析。解决方法有两个：
  1. 在UTF-16字符串开头加上BOM（U+FEFF）：小端系统对应字节是\xff\xfe，大端是\xfe\xff，解析器会自动识别字节序；
  2. 在XML声明里明确指定encoding="UTF-16"，比如<?xml version="1.0" encoding="UTF-16"?>，解析器会根据声明处理字节序。

代码示例：

#include <Poco/XML/DOMParser.h>
#include <Poco/XML/Document.h>

std::u16string utf16Xml = u"\ufeff<?xml version=\"1.0\" encoding=\"UTF-16\"?><root><data>测试内容</data></root>";

Poco::DOMParser parser;
// 直接取u16string的底层字节，长度是字符数*每个char16_t的字节数
Poco::AutoPtr<Poco::XML::Document> doc = parser.parseMemory(
    reinterpret_cast<const char*>(utf16Xml.data()),
    utf16Xml.size() * sizeof(char16_t)
);

方案二：转换为UTF-8后用parseString()（更推荐） #

这个方案更省心，因为UTF-8没有字节序问题，而且Poco对UTF-8的支持非常完善，不需要担心编码识别错误。用Poco自带的TextConverter就能轻松完成UTF-16到UTF-8的转换：

代码示例：

#include <Poco/XML/DOMParser.h>
#include <Poco/XML/Document.h>
#include <Poco/TextConverter.h>
#include <Poco/UTF16Encoding.h>
#include <Poco/UTF8Encoding.h>

std::u16string utf16Xml = u"<?xml version=\"1.0\" encoding=\"UTF-16\"?><root><data>测试内容</data></root>";

// 初始化转换器：从UTF-16转UTF-8
Poco::UTF16Encoding utf16Enc;
Poco::UTF8Encoding utf8Enc;
Poco::TextConverter converter(utf16Enc, utf8Enc);

std::string utf8Xml;
// 转换：传入u16string的底层字节、总字节数，输出到utf8Xml
converter.convert(
    reinterpret_cast<const char*>(utf16Xml.data()),
    utf16Xml.size() * sizeof(char16_t),
    utf8Xml
);

// 直接用parseString解析UTF-8字符串
Poco::DOMParser parser;
Poco::AutoPtr<Poco::XML::Document> doc = parser.parseString(utf8Xml);

方案对比 #

• 如果你的场景对性能要求极高，不想做编码转换，选方案一，但一定要处理好BOM或编码声明；
• 大多数情况下推荐方案二：代码更简洁，不容易踩字节序的坑，维护成本更低。

内容的提问来源于stack exchange，提问作者Kapil Dhaimade