如何在C ++中使用libiconv将ISO-8859-1转换为UTF-8

Question

我正在使用libcurl来获取一些HTML页面。

HTML页面包含一些字符引用，例如： סלקום

当我使用libxml2阅读此内容时，我得到：

是ISO-8859-1编码吗？

如果是这样，我如何将其转换为UTF-8以获取正确的单词。

谢谢

编辑：我得到了解决方案，MSalters是正确的，libxml2确实使用UTF-8。

我将此添加到eclipse.ini

-Dfile.encoding = utf-8

最后，我在Eclipse控制台上看到了希伯来语字符。 谢谢

Answer 1

您是否在i18n上看到过libxml2页面 ？ 它说明了libxml2如何解决这些问题。

你会得到一个ס从libxml2的。 但是，您说的是类似׳₪׳¨׳˜׳ ׳¨ 。 你为什么认为自己明白了？ 您将得到一个XMLchar* 。 您如何将指针转换为上面的字符串？ 您是否使用了调试器？ 该调试器是否知道如何呈现XMLchar* ？ 我敢打赌， XMLchar*是正确的，但是您使用的调试器无法在XMLchar*呈现Unicode。

要回答您的最后一个问题， XMLchar*已经是UTF-8，不需要进一步转换。

Answer 2

否。这些实体对应于字符的Unicode序列号的十进制值。 例如，请参见此页面 。

因此，您可以将Unicode值存储为int并使用一种算法将这些整数转换为UTF-8多字节字符。 参见UTF-8规范。

Answer 3

这个答案是在假设编码的文本以UTF-16返回的情况下给出的，事实证明并非如此。

---

我想编码是UTF-16或UCS2。 将其指定为iconv的输入。 可能还有字节序问题，请看这里

---

C风格的方式是（不检查清晰度）：

iconv_t ic = iconv_open("UCS-2", "UTF-8");
iconv(ic, myUCS2_Text, inputSize, myUTF8-Text, outputSize);
iconv_close(ic);