Lua、XML、UTF-8

发布于 2024-10-09 13:14:46 字数 207 浏览 5 评论 0原文

我使用 luaxml lib 在数据库从 lua 表中选择后生成 xml 文件。一切都很好，但我在数据库（NySQL）中使用俄语符号。我需要用 luaxml 来表示这个符号，而不是用代码（a-la Ð），而是用真实的符号。我找到了方法函数 xml.registerCode(decoded,encoded) 但什么也不明白:(

或者，也许我需要使用另一个库。如果是这样 - 什么库？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

落在眉间の轻吻 2024-10-16 13:14:46

我查看了该库的内部 - 它对所有> 127字节进行强制编码，从而将UTF分解为单独的字符。它在使用其内置的 .registerCode 机制后执行此操作，因此您甚至无法覆盖它。

如果您需要对某些复杂的数据结构进行编码，则可以在 XmlLua 完成字符串化后通过在某处声明：

local high_ascii_unroll = {}
for code = 128, 255 do
    high_ascii_unroll['&#' .. code .. ';'] = string.char(code)
end

然后在最终字符串上使用 gsub 来展开所有这些实体替换：

local doc = xml.new("outer")
doc.version = "2.0"
local inner = xml.new("inner")
inner.id = "АБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫьЭЮЯ"
table.insert(doc, inner)

local encoded = xml.str(doc):gsub('&#%d+;', high_ascii_unroll)
-- <outer version="2.0">
--  <inner id="АБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫьЭЮЯ" />
-- </outer>

I've looked inside the lib - it does forceful encoding for all >127 bytes, thus breaking UTF into separate characters. It does it after using its built-in .registerCode mechanism, so you can't even override it.

If you need to encode some complex data structure, you can just unroll all those entity substitutions after XmlLua finished stringifying by declaring somewhere:

local high_ascii_unroll = {}
for code = 128, 255 do
    high_ascii_unroll['&#' .. code .. ';'] = string.char(code)
end

and then using gsub on final string:

local doc = xml.new("outer")
doc.version = "2.0"
local inner = xml.new("inner")
inner.id = "АБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫьЭЮЯ"
table.insert(doc, inner)

local encoded = xml.str(doc):gsub('&#%d+;', high_ascii_unroll)
-- <outer version="2.0">
--  <inner id="АБВГДЕЁЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫьЭЮЯ" />
-- </outer>

回复收藏 0 原文

影子是时光的心 2024-10-16 13:14:46

查看 LuaXML_lib.c 内部，有一个名为 char2code() 的方法，它将不在 ASCII 范围内的字符替换为数字实体。您可以通过将方法替换为以下内容来“恢复”它：

static const char* char2code(unsigned char ch, char buf[2]) {
    buf[0]=ch;
    buf[1]=0;
    return buf;
}

这会阻止它用实体替换任何无效字符。然后您需要确保输入中没有无效字符，但它绝对不会再破坏您的 UTF-8。

Looking inside LuaXML_lib.c, there is a method called char2code() which replaces characters not in the ASCII range with numeric entities. You can "unbreak" it by replacing the method with the following:

static const char* char2code(unsigned char ch, char buf[2]) {
    buf[0]=ch;
    buf[1]=0;
    return buf;
}

This stops it from replacing any invalid characters with entities. It will then be up to you to make sure there are no invalid characters in your input, but it definitely won't mangle your UTF-8 any more.

回复收藏 0 原文

~没有更多了~