Russian Qt Forum

Всем привет!
Помогите разобраться. Делаю разбор html с кодировкой Windows-1251. Класс разбора писал не я, скачал отсюда (http://www.codeproject.com/Articles/14076/Fast-and-Compact-HTML-XML-Scanner-Tokenizer)
данные возвращаются в виде const wchar_t *. Перегоняю  в QString с помощью QString::fromWCharArray(). Русский текст не отображается, понимаю что надо перекодировать, но вот камим образом и в каком момент не могу разобраться. Все мои попытки использовать QTextCodec не приводят к нужному результату, наверное просто от нехватки знаний.

Без исходников многое непонятно, но попробуй так:

Не работает. Русские буквы конечно появились, но не то, что надо.
Попробую привести код:

методы для получения данных (проблема с методом get_value(), когда русские буквы):

C++ (Qt)
...
typedef wchar_t wchar;
...
    const wchar*    get_value();
 
    // get attribute name
    const char*     get_attr_name();
 
    // get tag name
    const char*     get_tag_name();
 
 

Код получения данных:

C++ (Qt)
struct str_istream: public markup::instream
{
  const char* p;
  const char* end;
 
  str_istream(const char* src): p(src), end(src + strlen(src)) {}
  virtual wchar_t get_char() { return p < end? *p++: 0; }
};
 
....
 
           QByteArray htmlData = htmlFile.readAll();
 
            str_istream si(htmlData);
            markup::scanner sc(si);
 
            bool useEOF = false;
            while(true)
            {
              int t = sc.get_token();
              switch(t)
              {
                case markup::scanner::TT_ERROR:
                  qDebug() << "ERROR";
                  break;
                case markup::scanner::TT_EOF:
                    useEOF = true;
                  qDebug() <<  "EOF";
                  break;
                case markup::scanner::TT_TAG_START:
                  qDebug() <<  "TAG START:" << sc.get_tag_name();
                  break;
                case markup::scanner::TT_TAG_END:
                  qDebug() <<  "TAG END:" << sc.get_tag_name();
                  break;
                case markup::scanner::TT_ATTR:
                  qDebug() <<  QString("\tATTR:%1 = %2").arg(sc.get_attr_name()).arg(QString::fromWCharArray(sc.get_value()));
                  break;
                case markup::scanner::TT_WORD:
                case markup::scanner::TT_SPACE:
                    QString str1 = QString::fromWCharArray(sc.get_value());
                    qDebug() << "value:" << str1;
                  break;
              }
              if (useEOF)
                  break;
            }
 

Может данные надо перекодировать во что-то до передачи их классу обработки? Можно и сам код класса подправить при необходимости, вопрос что и где?

Забыл уточнить, qDebug() << "русские буквы" выводит корректно

на main добавил:

    QTextCodec   *codec1 = QTextCodec::codecForName("CP-1251");
    QTextCodec::setCodecForTr(codec1);
    QTextCodec::setCodecForLocale(codec1);
    QTextCodec::setCodecForCStrings(codec1);

А фрагмент html файла можешь показать?

Конечно, даже весь не жалко.

В html вроде все верно. Кидай минимальный компилируемый проект

Работаю под Win7 в QTCreator
QT 4.7.4

Убрал все свои игрища с QTextCodec.

креатор в дебаггере символ "А" показывает как "\177700", а в студии строка "«А+» —" отображается в дебаггере как
хотя студия показывает корректный текст в htmlData.

включение/отключение кодировок не помогает. по-моему что-то тут нечисто с парсером.

Да он там что-то с wchar намудрил. Я заменил все на wchar-ы на char и все заработало, русские символы нормально отображаются. Он тупо не задумываясь из одного char делает один wchar надеясь непонятно на что надеясь. На что он вообще рассчитывал и что бы он делал попадись ему текст в UTF8?

Это вы про автора парсера или про меня :)?

Тому кто сие безобразие написал =).

Если безобразие в моем коде (dialog.cpp), то подскажите что не так, я новичек, мне, так сказать, простительно. Если же безобразие в парсере (xh_scanner.cpp), то нужен совет, стоит ли его использовать (дописав и исправив что-то) или отказаться от него.
Работа планируется только под виндой, но html, теоретически, может быть любая.

Вот тут кстати оговорочка от автора, которая, возможно, многое объясняет:

Замени wchar-ы на обычнве char-ы ибо все-равно этот сканер не преобразовывает UTF8 в юникод, а значит ничего хорошего от этого не будет.