Delphi & 印地 & utf8

Delphi & Indy & utf8

我在使用 utf8 字符集访问网站时遇到问题,例如,当我尝试访问这个 www

Click for example

所有 utf8 字符都没有正确编码。 这是我的访问例程:

var
  Web     : TIdHTTP;
  Sito    : String;
  hIOHand : TIdSSLIOHandlerSocketOpenSSL;

begin
  Url := TIdURI.URLEncode(Url);


  try
    Web := TIdHTTP.Create(nil);
    hIOHand := TIdSSLIOHandlerSocketOpenSSL.Create(nil);
    hIOHand.DefStringEncoding := IndyTextEncoding_UTF8;
    hIOHand.SSLOptions.SSLVersions := [sslvTLSv1,sslvTLSv1_1,sslvTLSv1_2,sslvSSLv2,sslvSSLv3,sslvSSLv23];
    Web.IOHandler := hIOHand;
    Web.Request.CharSet := 'utf-8';


    Web.Request.UserAgent := INET_USERAGENT;       //Custom user agent string
    Web.RedirectMaximum := INET_REDIRECT_MAX;      //Maximum redirects
    Web.HandleRedirects := INET_REDIRECT_MAX <> 0; //Handle redirects
    Web.ReadTimeOut := INET_TIMEOUT_SECS * 1000;   //Read timeout msec
    try
      Sito := Web.Get(Url);
      Web.Disconnect;
    except
      on e : exception do
        Sito := 'ERR: ' +Url+#32+e.Message;
    end;
  finally
    Web.Free;
    hIOHand.Free;
  end;

我尝试了所有解决方案,但在 Sito var 中我总是发现错误的字符,例如 "name" 的正确值是

"name": "Aire d'adhésion du Parc national du Mercantour",

但是在 Get 指令之后我有

"name": "Aire d'adhésion du Parc national du Mercantour",

你知道我的错误在哪里吗? 谢谢大家!

在 Delphi 2009+(包括 XE6)中,string 是 UTF-16 编码 UnicodeString.

您正在使用 TIdHTTP.Get() 的重载版本 returns 和 string。它使用响应报告的任何字符集将发送的文本解码为 UTF-16。如果文本未正确解码,则可能意味着响应未报告正确的字符集。如果使用了错误的字符集,文本将无法正确解码。

所讨论的 URL 实际上是在发送一个设置为 application/json 的响应 Content-Type header 而根本没有指定 charset . application/json 的默认字符集是 UTF-8,但 Indy 不知道这一点,所以它最终使用自己的内部默认值,而不是 UTF-8。这就是当存在 non-ASCII 个字符时文本无法正确解码的原因。

在这种情况下,如果您知道字符集将始终为 UTF-8,您可以选择一些解决方法:

  • 您可以通过在 IdGlobal 单元中设置全局 GIdDefaultTextEncoding 变量来将 Indy 的默认字符集设置为 UTF-8:

    GIdDefaultTextEncoding := encUTF8;
    
  • 您可以使用TIdHTTP.OnHeadersAvailable事件将TIdHTTP.Response.Charset 属性更改为'utf-8'如果它是空白或不正确。

    Web.OnHeadersAvailable := CheckResponseCharset;
    
    ...
    
    procedure TMyClass.CheckResponseCharset(Sender: TObject; AHeaders: TIdHeaderList; var VContinue: Boolean);
    var
      Response: TIdHTTPResponse;
    begin
      Response := TIdHTTP(Sender).Response;
      if IsHeaderMediaType(Response.ContentType, 'application/json') and (Response.Charset = '') then
        Response.Charset := 'utf-8';
      VContinue := True;
    end;
    
  • 您可以使用 TIdHTTP.Get() 的另一个重载版本来填充输出 TStream 而不是返回 string。使用 TMemoryStreamTStringStream,您可以使用 UTF-8 自行解码原始字节:

    MStrm := TMemoryStream.Create;
    try
      Web.Get(Url, MStrm);
      MStrm.Position := 0;
      Sito := ReadStringFromStream(MStrm, IndyTextEncoding_UTF8);
    finally
      SStrm.Free;
    end;
    

    SStrm := TStringStream.Create('', TEncoding.UTF8);
    try
      Web.Get(Url, SStrm);
      Sito := SStrm.DataString;
    finally
      SStrm.Free;
    end;