Webcore中文本資源編解碼
dlmu2001
本文描述的文本資源編解碼，針對的是字符串編解碼，如 UTF-8,GB2312 ，而非傳輸編解碼（如 gzip ）。
關於字符串編碼的理論知識，如果你還不瞭解，可以參考 http://baike.baidu.com/view/1204863.htm 。
我們以一個最簡單的網頁爲例，假設服務器上有一個純鏈接的頁面，沒有任何派生資源（ image ， css ， sound ， subframe ， javascript 等）。服務器傳送給我們的頁面，他們字符串編碼是各種各樣的，常見的有 utf8 和 gb2312 。如果我們用 utf8 的解碼方式去解 gb2312 的網頁，那麼網頁顯示出來的就是亂碼。所以， webcore 裏面，需要首先找出服務器提供的網頁的字符串編碼格式，然後調用對應的解碼接口進行解碼，輸出 webcore 的其它模塊接受的 unicode 方式的文本（ String 類）。
那如何來確定網頁的字符串編碼呢，一般有如下幾種方式
1 ）父親節點繼承過來的 charset 屬性，比如 Iframe 裏面的 charset ，如果不指定，則一般繼承自原生頁面（當然，前提是 subframe 和原生頁面的 domain 是一樣的）
2 ） HTTP 響應頭部中包含了 charset 字段
3 ）如果有外部的 css ，也可能由外部 css 來指定 charset
4
）
HTML
的
head
元素裏面的
meta
標籤指定了字符串編碼，如
<head><meta http-equiv="Content-Type" content="text/html;charset=gb2312">
5
）如果是
XML
頁面，
XML
頭部中指定了
charset
，如
<?xml version="1.0" encoding="UTF-8"?>
對一個瀏覽器來說，可能還會支持用戶直接指定字符串編碼方式，自動識別。
WebCore 中同字符串解碼處理相關的文件主要是 TextResourceDecoder.h/TextResourceDecoder.cpp ,TextCodec.h/TextCodec.cpp, 以及不同平臺的字符串解碼的 porting （如 TextCodecICU.cpp,TextCodecQt .cpp,TextCodecUTF16.cpp 等），這裏以 TextCodecICU 的 porting 爲例來理解。
WebCore 中通過 DocumentWriter 類維護了一個 TextResourceDecoder 類的指針 m_decoder ，以此來實現對文本資源的解碼功能的調用和控制。
當網絡有數據到來的時候，會調用 DocumentWriter.cpp 的 createDecoderIfNeeded 函數，這裏可以看到一個 TextResourceDecoder 的創建，首先考慮的是設置中是否允許自動識別，其後是 HTTP 響應的 header 中是否有 charset 頭部（ m_decoding ），如果此處調用了 TextResourceDecoder 類的 setEncoding 方法設置了編碼方式，則之後就不需要再去檢查 HTML 中的 meta 標籤等。
在創建了 decoder 以後，就可以對數據進行解碼了， DecodedDataDocumentParser 類的 appendBytes 函數調用了 TextResourceDecoder 的 decode 方法，對到來的數據進行解碼，由於數據是分段到了，所以分段解碼。如果數據來齊了，或者中斷了，則調用 TextResourceDecoder 的 flush 函數來結束解碼流程。
TextResourceDecoder 類主要實現兩個功能，一個是 charset 的獲取，包括 meta 中 charset 的獲取， xml 中 charset 的獲取， charset 的自動識別（ KanjiCode 類）。另外一個是解碼組件的調用和維護。
解碼組件的維護是通過成員變量 m_codec 來完成的。在開始 decode 的時候，調用 newTextCodec 接口，根據 charset 類型，來創建一個解碼組件，然後調用解碼組件的 decode 方法完成解碼（該方法通過 TextCodec 類進行了封裝，通過 TextCodecICU 等類進行了實現）。解碼完成以後，則將 m_codec 釋放（ clear ）。需要注意的是，在 TextResourceDecoder 類的 flush 接口中，需要先進行 decode ，才進行 clear ，以免丟失數據。
最後說一下 TextEncodingRegistry.cpp 這個文件，從名字也可以看出來，它用來負責解碼控件的註冊和管理，相當於一個容器，來匹配編碼方式和對應的解碼組件。