使用 MSXML 的 XSLT 转换未使用正确的编码

Question

我正在使用 IXMLDOMDocument::transformNode 从 MSXML 3.0 开始应用 XSLT 转换。每个转换都有一个 xsl:output 指令，指定 UTF-8 作为编码。例如，

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0"
                ...
                xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
                xmlns:str="http://exslt.org/strings"
                xmlns:math="http://exslt.org/math"
                extension-element-prefixes="str math">
  <xsl:output encoding="UTF-8" indent="yes" method="xml" />
  ...
</xsl:stylesheet>

然而转换后的结果始终是 UTF-16（编码属性为 UTF-16）。

<?xml version="1.0" encoding="UTF-16"?>

这是 MSXML 中的错误吗？

由于各种原因，我真的很想要 UTF-8。有解决方法吗？或者我是否必须自己将转换后的结果转换为 UTF-8 并修补编码属性？

更新：我已经通过接受 UTF-16 编码并在前面添加字节顺序标记来解决这个问题，这满足了转换结果的下游用户的需求，但是我我仍然对如何获取 UTF-8 输出感兴趣。

Answer 1

您可能将输出发送到 DOM 树或字符流，而不是字节流。如果是这种情况，那么就不是 MSXML 进行编码，并且最终编码所做的任何事情都不了解 xsl:output 指令（或者实际上是 XSLT）。

Answer 2

补充 Michael Kay 所说的内容（当然，这是正确的），这里有一个 JScript 示例，说明如何在过程中使用 XSLT 序列化转换为流：

// command line args
var args = WScript.Arguments;
if (args.length != 3) {
    WScript.Echo("usage: cscript msxsl.js in.xml ss.xsl out.xml");
    WScript.Quit();
}
xmlFile = args(0);
xslFile = args(1);
resFile = args(2);

// DOM objects
var xsl = new ActiveXObject("MSXML2.DOMDOCUMENT.6.0");
var xml = xsl.cloneNode(false);

// source document
xml.validateOnParse = false;
xml.async = false;
xml.load(xmlFile);
if (xml.parseError.errorCode != 0)
    WScript.Echo ("XML Parse Error : " + xml.parseError.reason);

// stylesheet document
xsl.validateOnParse = false;
xsl.async = false;
xsl.resolveExternals = true;
//xsl.setProperty("AllowDocumentFunction", true);
//xsl.setProperty("ProhibitDTD", false);
//xsl.setProperty("AllowXsltScript", true);
xsl.load(xslFile);
if (xsl.parseError.errorCode != 0)
    WScript.Echo ("XSL Parse Error : " + xsl.parseError.reason);

// output object, a stream
var stream = WScript.createObject("ADODB.Stream");
stream.open();
stream.type = 1;
xml.transformNodeToObject( xsl, stream );
stream.saveToFile( resFile );
stream.close();

您可以使用此输入进行测试：

<Urmel>
    <eins>Käse</eins>
    <deux>café</deux>
    <tre>supplì</tre>
</Urmel>

还有此样式表：

<xsl:stylesheet version="1.0"
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output encoding="UTF-8"/>
    <xsl:template match="@*|node()">
        <xsl:copy>
            <xsl:apply-templates select="@*|node()"/>
        </xsl:copy>
    </xsl:template>
</xsl:stylesheet>

我认为它会您可以轻松地将 JScript 示例改编为 C++。

Answer 3

正如您所指出的，BSTR 都是 UTF-16。然而，我认为迈克尔·路德维希可能在这里有所发现。您尝试过使用这种方法吗？

HRESULT IXMLDOMDocument::transformNodeToObject(
    IXMLDOMNode *stylesheet,
    VARIANT outputObject);

您应该能够仅使用 CreateStreamOnHGlobal，将生成的 IStream ptr 存储到 VARIANT 中，并将其作为 outputObject 参数传递。理论上来说。不过我还没有真正尝试过:)