お世話になります。
文字コードがUTF-8のXMLファイルがあり、これをパースして、画面に出したいと思っています。
パースはできるのですが、コード変換でつまづきました。
過去ログを調べ、ADODB.Stream を使ってやってみたのですが、うまくいきませんでした。
→http://madia.world.coocan.jp/vb/vb_bbs2/200308_03080100.html
（このログの、魔界の仮面弁士さんのソースです）
String型にデータをセットして、上記URLの関数で変換したのですが、
霪??贊?苺??莓艨???
このようになってしまいました。
このソースを利用するだけでは出来ないのでしょうか。
また、ADODB.Stream について詳しい説明のあるページがあれば教えてください。
よろしくお願いいたします。m(__)m
> 文字コードがUTF-8のXMLファイルがあり、これをパースして、画面に出したいと思っています。
MSXMLを使ってパースすれば、文字コードを気にせずに済むかと。
> String型にデータをセットして、
この時点で既に妖しいですが…。(^^;
もしかして、2重に変換していませんか?
> 上記URLの関数で変換したのですが、
ファイルからの読込なら、処理としては、
1. Charset に "UTF-8" を指定。
2. Openメソッドを実行。
3. LoadFromFileメソッドで元ファイルを読み込み。
4. ReadTextメソッドでString型変数に読み込み。
とするだけですよね。数行で済むはずですよ。
> また、ADODB.Stream について詳しい説明のあるページがあれば教えてください。
MDAC SDK (ADOのヘルプ)を参照してみてください。
魔界の仮面弁士さん、ありがとうございます。
本人様にレスしていただいて嬉しいです＾＾
> MSXMLを使ってパースすれば、文字コードを気にせずに済むかと。
えっ…！そうなんですか？？
> > String型にデータをセットして、
> この時点で既に妖しいですが…。(^^;
> もしかして、2重に変換していませんか?
String型の変数に、MSXML2.IXMLDOMElement.firstChild.Text で取得したものをセットしています。
文字化けの状況としては、なにもせずこのまま表示すると、"〜"の文字が"?"に化けてしまいます。
今のところ判明しているのは、"〜"の文字だけです。
もしかしてこれって他の原因でしょうか？
> ファイルからの読込なら、処理としては、
XMLをファイルをDOMで直接パースしたいので、ファイルから読み込む方法は現在考えておりません。
何か良い方法があったら教えてください。
よろしくお願いします・・・。
>> MSXMLを使ってパースすれば、文字コードを気にせずに済むかと。
> えっ…！そうなんですか？？
XMLファイルをloadメソッドで読み込めば、<?xml version="1.0" encoding="UTF-8"?>の部分を認識して、適切な文字コードのファイルとして読み込まれますよ。
特に今回はUTF-8なので、この宣言が無くても正しく認識されるでしょう。
> 文字化けの状況としては、なにもせずこのまま表示すると、"〜"の文字が"?"に化けてしまいます。
下記のコードでは、ChrW(&HFF5E) の「〜」が表示されます。
Dim S As String
Dim x As MSXML2.DOMDocument
Set x = New DOMDocument40
x.loadXML "<a/>"
x.documentElement.Text = "〜"
S = x.documentElement.firstChild.Text
MsgBox Hex(AscW(S)) & ":" & S, vbInformation
> もしかしてこれって他の原因でしょうか？
"WAVE DASH" と "FULLWIDTH TILDE" の違いとか…。
http://park3.wakwak.com/~ozashin/sw_tips/webapp_tips/sjis_charset.html
>> ファイルからの読込なら、処理としては、
> XMLをファイルをDOMで直接パースしたいので、ファイルから読み込む方法は現在考えておりません。
あれ? どういう事でしょうか?
「ファイルを」パースしたいのに、「ファイルから読み込む方法」が使えないのですか?
魔界の仮面弁士さん、ありがとうございます。
> "WAVE DASH" と "FULLWIDTH TILDE" の違いとか…。
> http://park3.wakwak.com/~ozashin/sw_tips/webapp_tips/sjis_charset.html
このページが参考になりました。
原因はこれだったのですね。
性能は悪くなりますが、0x301Cを0xFF5Eに変換することで対処しました。
> 下記のコードでは、ChrW(&HFF5E) の「〜」が表示されます。
この例だと、Shift-JISなので表示されるのでしょうね。
UTF-8では「〜」は&H301Cでした。これを表示させると案の定「?」に化けました…。
> 「ファイルを」パースしたいのに、「ファイルから読み込む方法」が使えないのですか?
書き方に語弊がありましたね…(^^;
DOMでパースしたいので、それ以外のファイル読み込みはしない…ということでした。申し訳ありません。
魔界の仮面弁士さんのおかげで解決することができました。
本当にありがとうございました。
解決しました。
編集 削除> UTF-8では「〜」は&H301Cでした。
それは UTF-16 では?
UTF-8 の場合、各文字のバイナリ範囲は
0xxx xxxx(2進数) → 1バイト文字
10xx xxxx(2進数) → (複数バイト文字の)2バイト目以降
110x xxxx(2進数) → 2バイト文字の 1バイト目
1110 xxxx(2進数) → 3バイト文字の 1バイト目
のように定義されていますので、&H30 (0011 0000) や
&H1C (0001 1100) で始まる文字は、存在しないかと。
> これを表示させると案の定「?」に化けました…。
Unicode対応コントロールなどを使えば、化けずに表示させられるかと。
# 誤解をうむかな…。
> のように定義されていますので、&H30 (0011 0000) や
> &H1C (0001 1100) で始まる文字は、存在しないかと。
「〜で始まる2バイト文字」は存在しない、という事ですね。m(_ _)m
UTF-8テキストにおいては、301C や 1C30 というデータの並びは、
単一の文字ではなく、2つの1バイト文字として認識されます。
http://www.unicode.org/charts/PDF/U0000.pdf
30 は、『0』DIGIT ZERO。
1C は、「制御コードFS」file separator/INFORMATION SEPARATOR FOUR。
なお、今回問題となった「〜」の文字は、UTF-8の場合には、
U+301C "WAVE DASH" → E3 80 9C
U+FF5E "FULLWIDTH TILDE" → EF BD 9E
となっているはずです。
なお、ADODB.Streamのテキストモードで読み込んで、それを
.ReadText()で読む場合や、MSXML2のloadXMLメソッド等で読み込んで、
それを .xml や .text 等で読む場合、元ファイルの文字コードが
何であったとしても、文字コードは統一され、最終的には
VB の標準的な String型に変換される事になりますので、通常は、
String型の変数に、 EF BD 9E などのバイトの並びが渡される事はありません。
魔界の仮面弁士さん、補足コメントありがとうございます。
＃レスが遅くなってすみません…。
うーん、難しいですね…。文字コード問題。
VBで読み込んだらString型になるのは理解しました。そして、標準コントロールではUnicodeは表示できないのですね。
String型で保持してある、問題の文字（"〜"など）を含む文字列において、
Replace関数でChrW(&H301C)を"〜"に変換して、解決できました。
これで良かったのかな…？
とりあえず問題もなさそうなので、これでいってみます。
ありがとうございました。