XmlDocument.Load()方法无法解码€（欧元）

22 浏览
0 Comments

XmlDocument.Load()方法无法解码€（欧元）

我有一个以Iso-latin-15（也称为Iso-Latin-9）编码的XML文档file.xml。



  €.txt

通过我喜欢的文本编辑器，我可以确定这个文件以Iso-Latin-15编码（不是UTF-8）。

我的软件是用C#编写的，想要提取元素f。

XmlDocument xmlDoc = new XmlDocument();
xmlDoc.Load("file.xml");

在实际应用中，我有一个XMLResolver来设置凭据。但基本上，我的代码就是这么简单。加载过程很顺利，没有出现任何异常。

现在，当我提取值时出现了问题：

//xnsm是XmlNameSpace管理器
XmlNode n = xmlDoc.SelectSingleNode("//root/f", xnsm); 
if (n != null)
  String filename = n.InnerText;

Visual Studio调试器显示的filename = □.txt

这可能只是Visual Studio的一个bug。不幸的是，File.Exists(filename)返回false，而实际上文件是存在的。

出了什么问题？

0

3 答案

0 Comments

XmlDocument.Load()方法无法解码€（欧元）的原因是XML定义的编码方式不正确。解决方法是将内容放在CDATA元素内，并使用等效的url-encoded（或http-encoded）值转义所有特殊字符。

最好将代码放在代码块中，以便正确显示。CDATA部分对解码问题没有帮助，事实上，由于它们只包含原始字符数据，它们会阻止您使用字符引用（如€）。第二点（2）没有具体修复问题，但是目的是保护更多特殊字符（如果它们存在于值中）。第三点（3）中我故意使用了url编码格式的示例%3E（而不是€），这应该在从xml中提取值后进行解码。

0
0 Comments

问题的原因是XmlDocument.Load()方法无法正确解码欧元符号（€）。根据字符串内容的实际Unicode码点而不是当前字体可以显示的内容来显示字符串的内容，可以解决这个问题。使用foreach循环遍历字符串中的每个字符，然后使用Console.WriteLine()方法显示每个字符和它的十六进制Unicode码点。通过查找Unicode码表，可以确定问题字符的真实内容。在这个例子中，问题字符的Unicode码点是:0080，它是Unicode中的一个控制字符，而在Windows-CP1252编码中，它是欧元符号。这个情况下，可以怀疑XmlDocument实现中存在一个错误。接下来，可以检查文件的字节内容以及.NET是否支持iso-8859-15编码。推测文件实际上是使用windows-1252编码而不是ISO-8859-15编码。最后，可以确定输入文件中确实包含了0x80字节，而不是预期的0xA4字节。解决方法是将文件内容从windows-1252编码转换为正确的编码，或者使用其他方法加载和处理文件。

0
0 Comments

问题的原因是XmlDocument.Load()方法默认使用UTF-8编码，不管XML的实际编码是什么。解决方法是创建一个带有正确编码的StreamReader对象，并将其作为参数传递给Load()方法。

具体的解决方法是：

xmlDoc.Load(new StreamReader(
                     File.Open("file.xml"), 
                     Encoding.GetEncoding("iso-8859-15")));

另外，微软的文档中提到，XML声明中的编码声明只是指定了XML文档的编码格式，并不修改或控制数据的实际编码格式。因此，不能假设输入文件的编码是Iso-8859-15。

总之，Load()方法会注意XML头部的编码声明，这个实现方式是合理的。

0