最近碰到一个项目，需要将申报文件存成XML的格式，编码问题着实让我头疼了一会。现在全部统一成UTF-8编码。具体在各种语言下的操作
这里，我用DOM进行XML解析，应为它简单。
1 客户首先使用VB进行编辑表单，生成一个apply.xml文件。
在VB中，使用MSXML 4.0。如果不设定编码方式，保存的时候，文件默认就是UTF-8编码
Set dom = CreateDOM Set node = dom.createProcessingInstruction("xml", "version='1.0'") dom.appendChild node Set node = Nothing
2 接下来，客户将这个XML通过Web上传到服务器
在PHP中，XMLDOM只支持UTF-8作为默认编码。所以生成的XML文件，上传以后可以直接解析这个文件，获得一些信息
if (!$dom = domxml_open_mem($content)) { $t->assign('msg', "文件解析错误！"); $t->render('noavailable.html', PAGE_TITLE, 'wrap.html'); exit; }
接下来，要将这个文件存到数据库里面，因为数据库使用MS Sql Server,它不支持UTF-8的数据结构，所以将整个文件以二进制的方式存到数据库里面，这里让我搞了半天的就是二进制文件的存放方式，如果是mysql,那不需要做任何转换就可以直接存了，但是mssql不行，原因是：
This is because the MSSQL parser makes a clear distinction between binary an character constants. You can therefore not easilly insert binary data with "column = '$data'" syntax like in MySQL and others.The MSSQL documentation states that binary constants should be represented by their unquoted hexadecimal byte-string. That is.. to set the binary column "col" to contain the bytes 0x12, 0x65 and 0x35 you shold do "col = 0x126535" in you query.
具体操作如下：
//读取上传的文件 $original = $_FILES['content']['name']; if (!empty($original)) { if ($_FILES['content']['type'] == "text/xml") { $filename = $_FILES['content']['tmp_name']; $handle = fopen($filename, "rb"); $originalcontent = fread($handle, filesize($filename)); fclose($handle); } } //end if(!empty($original))
$originalcontent = unpack("H*hex", $originalcontent); //这步是关键
$db->query("insert into ".TBL_SB_ONLINE_USER." (sb_id, user_id, username, sbmc, content, created_date) values (" .$newid.", " .$u.", " .$db->quote(stripslashes($name)).", " .$db->quote(stripslashes($sbmc)).", 0x" .$originalcontent['hex'].", " //注意这里，前面有0x ."'$now')");
3 上传之后，用户也可以在网上对这个文件进行在线编辑，这时需要将这个文件从数据库读出，然后还原成UTF-8编码，再进行解析。虽然我们上面使用了unpack，但读出的时候不需要还原。
$sb = $db->getRow('select sbmc, content from '.TBL_SB_ONLINE_USER." where sb_id = $sb_id");$originalcontent =$sb[content];
if (!$dom = domxml_open_mem($originalcontent)) { $t->assign('msg', "文件解析错误！"); $t->render('noavailable.html', PAGE_TITLE, 'wrap.html',true); exit; } $context = xpath_new_context($dom); $xpath = $context->xpath_eval("//material/xm"); $t->assign('xm',iconv("UTF-8","GBK",$xpath->nodeset[0]->get_content()));
读出的时候，mssql除了用于 SQL Server 的 Microsoft OLE DB 提供程序和 SQL Server ODBC 驱动程序自动将 @@TEXTSIZE 设置为最大值 2 GB。其他的都是4096 (4 KB)，所以用PHP访问时候，务必将下面打开mssql.textlimit = 2147483647mssql.textsize = 2147483647
4 后台用VB，要解析该函数需要添加以下代码，用来将byte()转换成utf-8编码
Public Declare Function MultiByteToWideChar Lib "kernel32" (ByVal CodePage As Long, ByVal dwFlags As Long, ByVal lpMultiByteStr As Long, _ByVal cchMultiByte As Long, ByVal lpWideCharStr As Long, ByVal cchWideChar As Long) As Long
Public Const CP_UTF8 = 65001
Public Function UTF8_Decode(bUTF8() As Byte) As StringDim lRet As LongDim lLen As LongDim lBufferSize As LongDim sBuffer As StringDim bBuffer() As BytelLen = UBound(bUTF8) + 1If lLen = 0 Then Exit FunctionlBufferSize = lLen * 2sBuffer = String$(lBufferSize, Chr(0))lRet = MultiByteToWideChar(CP_UTF8, 0, VarPtr(bUTF8(0)), lLen, StrPtr(sBuffer), lBufferSize)If lRet <> 0 ThensBuffer = Left(sBuffer, lRet)End IfUTF8_Decode = sBufferEnd Function
具体读数据库的操作是
Dim varcontent() As Byte varfilesize = mrc.Fields("content").ActualSize varcontent = mrc.Fields("content").GetChunk(varfilesize) content = UTF8_Decode(varcontent)
xmlDoc.async = False xmlDoc.resolveExternals = False xmlDoc.loadXML (content) If (xmlDoc.parseError.errorCode <> 0) Then Dim myErr Set myErr = xmlDoc.parseError MsgBox ("发生错误 " & myErr.reason) Else xmlDoc.setProperty "SelectionLanguage", "XPath"
5后台，在Java里面就更好操作了，将读出的数据变成byte[]，然后转换成UTF-8的字符串。
当然，事事都有小窍门。关于utf-8的xml存到mssql里面，还有一种歪门邪道，那就是将读入的utf-8的xml （三字节）转换成GBK(2字节)，这样双字节的文本保存到mssql的text类型字段里面。从VB读取得时候，msxml能自动识别gbk。从php读取得时候，将GBK再转成utf-8，给domxml解析。哈哈
最后要说的是，PHP的确是一个非常强大的脚本语言，如果开发PHP过程中遇到难以解决，google都不容易搜到的问题，大家直接上php.net的在线文档，文档里面通常有很多好心人将自己的使用心得写在上面，非常有帮助。
相关资源：微信小程序源码-合集1.rar