3 根据 [ECMA-404](http://www.ecma-international.org/publications/files/ECMA-ST/ECMA-404.pdf):
5 > (in Introduction) JSON text is a sequence of Unicode code points.
7 > 翻译:JSON 文本是 Unicode 码点的序列。
9 较早的 [RFC4627](http://www.ietf.org/rfc/rfc4627.txt) 申明:
11 > (in §3) JSON text SHALL be encoded in Unicode. The default encoding is UTF-8.
13 > 翻译:JSON 文本应该以 Unicode 编码。缺省的编码为 UTF-8。
15 > (in §6) JSON may be represented using UTF-8, UTF-16, or UTF-32. When JSON is written in UTF-8, JSON is 8bit compatible. When JSON is written in UTF-16 or UTF-32, the binary content-transfer-encoding must be used.
17 > 翻译:JSON 可使用 UTF-8、UTF-16 或 UTF-18 表示。当 JSON 以 UTF-8 写入,该 JSON 是 8 位兼容的。当 JSON 以 UTF-16 或 UTF-32 写入,就必须使用二进制的内容传送编码。
19 RapidJSON 支持多种编码。它也能检查 JSON 的编码,以及在不同编码中进行转码。所有这些功能都是在内部实现,无需使用外部的程序库(如 [ICU](http://site.icu-project.org/))。
24 根据 [Unicode 的官方网站](http://www.unicode.org/standard/translations/t-chinese.html):
25 >Unicode 给每个字符提供了一个唯一的数字,
30 这些唯一数字称为码点(code point),其范围介乎 `0x0` 至 `0x10FFFF` 之间。
32 ## Unicode 转换格式 {#UTF}
34 存储 Unicode 码点有多种编码方式。这些称为 Unicode 转换格式(Unicode Transformation Format, UTF)。RapidJSON 支持最常用的 UTF,包括:
36 * UTF-8:8 位可变长度编码。它把一个码点映射至 1 至 4 个字节。
37 * UTF-16:16 位可变长度编码。它把一个码点映射至 1 至 2 个 16 位编码单元(即 2 至 4 个字节)。
38 * UTF-32:32 位固定长度编码。它直接把码点映射至单个 32 位编码单元(即 4 字节)。
40 对于 UTF-16 及 UTF-32 来说,字节序(endianness)是有影响的。在内存中,它们通常都是以该计算机的字节序来存储。然而,当要储存在文件中或在网上传输,我们需要指明字节序列的字节序,是小端(little endian, LE)还是大端(big-endian, BE)。
42 RapidJSON 通过 `rapidjson/encodings.h` 中的 struct 去提供各种编码:
47 template<typename CharType = char>
50 template<typename CharType = wchar_t>
53 template<typename CharType = wchar_t>
56 template<typename CharType = wchar_t>
59 template<typename CharType = unsigned>
62 template<typename CharType = unsigned>
65 template<typename CharType = unsigned>
68 } // namespace rapidjson
71 对于在内存中的文本,我们正常会使用 `UTF8`、`UTF16` 或 `UTF32`。对于处理经过 I/O 的文本,我们可使用 `UTF8`、`UTF16LE`、`UTF16BE`、`UTF32LE` 或 `UTF32BE`。
73 当使用 DOM 风格的 API,`GenericValue<Encoding>` 及 `GenericDocument<Encoding>` 里的 `Encoding` 模板参数是用于指明内存中存储的 JSON 字符串使用哪种编码。因此通常我们会在此参数中使用 `UTF8`、`UTF16` 或 `UTF32`。如何选择,视乎应用软件所使用的操作系统及其他程序库。例如,Windows API 使用 UTF-16 表示 Unicode 字符,而多数的 Linux 发行版本及应用软件则更喜欢 UTF-8。
78 typedef GenericDocument<UTF16<> > WDocument;
79 typedef GenericValue<UTF16<> > WValue;
82 可以在 [DOM's Encoding](doc/stream.zh-cn.md) 一节看到更详细的使用例子。
84 ## 字符类型 {#CharacterType}
86 从之前的声明中可以看到,每个编码都有一个 `CharType` 模板参数。这可能比较容易混淆,实际上,每个 `CharType` 存储一个编码单元,而不是一个字符(码点)。如之前所谈及,在 UTF-8 中一个码点可能会编码成 1 至 4 个编码单元。
88 对于 `UTF16(LE|BE)` 及 `UTF32(LE|BE)` 来说,`CharType` 必须分别是一个至少 2 及 4 字节的整数类型。
90 注意 C++11 新添了 `char16_t` 及 `char32_t` 类型,也可分别用于 `UTF16` 及 `UTF32`。
94 上述所介绍的编码都是在编译期静态挷定的。换句话说,使用者必须知道内存或流之中使用了哪种编码。然而,有时候我们可能需要读写不同编码的文件,而且这些编码需要在运行时才能决定。
96 `AutoUTF` 是为此而设计的编码。它根据输入或输出流来选择使用哪种编码。目前它应该与 `EncodedInputStream` 及 `EncodedOutputStream` 结合使用。
100 虽然 JSON 标准并未提及 [ASCII](http://en.wikipedia.org/wiki/ASCII),有时候我们希望写入 7 位的 ASCII JSON,以供未能处理 UTF-8 的应用程序使用。由于任 JSON 都可以把 Unicode 字符表示为 `\uXXXX` 转义序列,JSON 总是可用 ASCII 来编码。
102 以下的例子把 UTF-8 的 DOM 写成 ASCII 的 JSON:
105 using namespace rapidjson;
106 Document d; // UTF8<>
109 Writer<StringBuffer, Document::EncodingType, ASCII<> > writer(buffer);
111 std::cout << buffer.GetString();
114 ASCII 可用于输入流。当输入流包含大于 127 的字节,就会导致 `kParseErrorStringInvalidEncoding` 错误。
116 ASCII * 不能 * 用于内存(`Document` 的编码,或 `Reader` 的目标编码),因为它不能表示 Unicode 码点。
118 # 校验及转码 {#ValidationTranscoding}
120 当 RapidJSON 解析一个 JSON 时,它能校验输入 JSON,判断它是否所标明编码的合法序列。要开启此选项,请把 `kParseValidateEncodingFlag` 加入 `parseFlags` 模板参数。
122 若输入编码和输出编码并不相同,`Reader` 及 `Writer` 会算把文本转码。在这种情况下,并不需要 `kParseValidateEncodingFlag`,因为它必须解码输入序列。若序列不能被解码,它必然是不合法的。
126 虽然 RapidJSON 的编码功能是为 JSON 解析/生成而设计,使用者也可以“滥用”它们来为非 JSON 字符串转码。
128 以下的例子把 UTF-8 字符串转码成 UTF-16:
131 #include "rapidjson/encodings.h"
133 using namespace rapidjson;
135 const char* s = "..."; // UTF-8 string
136 StringStream source(s);
137 GenericStringBuffer<UTF16<> > target;
139 bool hasError = false;
140 while (source.Peek() != '\0')
141 if (!Transcoder<UTF8<>, UTF16<> >::Transcode(source, target)) {
147 const wchar_t* t = target.GetString();
152 你也可以用 `AutoUTF` 及对应的流来在运行时设置内源/目的之编码。