6.5 KiB
编码
根据ECMA-404：
(in Introduction) JSON text is a sequence of Unicode code points.
翻译：JSON文本是Unicode码点的序列。
较早的RFC4627申明：
(in §3) JSON text SHALL be encoded in Unicode. The default encoding is UTF-8.
翻译：JSON文本应该以Unicode编码。缺省的编码为UTF-8。
(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.
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。
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）。
[TOC]
Unicode
根据 Unicode的官方网站：
Unicode给每个字符提供了一个唯一的数字， 不论是什么平台、 不论是什么程序、 不论是什么语言。
这些唯一数字称为码点（code point），其范围介乎0x0至0x10FFFF之间。
Unicode转换格式
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：
- 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。
- 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）。
- 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）。
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）。
RapidJSON通过rapidjson/encodings.h中的struct去提供各种编码：
namespace rapidjson {
template<typename CharType = char>
struct UTF8;
template<typename CharType = wchar_t>
struct UTF16;
template<typename CharType = wchar_t>
struct UTF16LE;
template<typename CharType = wchar_t>
struct UTF16BE;
template<typename CharType = unsigned>
struct UTF32;
template<typename CharType = unsigned>
struct UTF32LE;
template<typename CharType = unsigned>
struct UTF32BE;
} // namespace rapidjson
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。
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。
使用UTF-16的DOM声明例子：
typedef GenericDocument<UTF16<> > WDocument;
typedef GenericValue<UTF16<> > WValue;
可以在DOM's Encoding一节看到更详细的使用例子。
字符类型
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。
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。
注意C++11新添了char16_t及char32_t类型，也可分别用于UTF16及UTF32。
AutoUTF
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。
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。
ASCII
虽然JSON标准并未提及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。
以下的例子把UTF-8的DOM写成ASCII的JSON：
using namespace rapidjson;
Document d; // UTF8<>
// ...
StringBuffer buffer;
Writer<StringBuffer, Document::EncodingType, ASCII<> > writer(buffer);
d.Accept(writer);
std::cout << buffer.GetString();
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。
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。
校验及转码
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。
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。
转码器
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。
以下的例子把UTF-8字符串转码成UTF-16：
#include "rapidjson/encodings.h"
using namespace rapidjson;
const char* s = "..."; // UTF-8 string
StringStream source(s);
GenericStringBuffer<UTF16<> > target;
bool hasError = false;
while (source.Peak() != '\0')
if (!Transcoder::Transcode<UTF8<>, UTF16<> >(source, target)) {
hasError = true;
break;
}
if (!hasError) {
const wchar_t* t = target.GetString();
// ...
}
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。