使用UTF-8编码读取XML文件

Question

我试图读取一个包含立陶宛字符的XML文件。当我试着看它时会显示一些?????代替。我使用sqlbulcopy将xml文件导入数据库。

如何在编码utf-8中读取XML文件？

代码背后

_id

Answer 1

文件是 Unicode - �是Unicode替换字符。如果文件是ANSI，则会出现 not 。

使用错误的编码将ANSI源转换为Unicode时，此字符将替换与编码不匹配的任何输入字符。

例如，指定拉丁语（Windows-1252），例如使用File.ReadAllText(somePath, .Encoding.GetEncoding("Windows-1252"))，并尝试阅读希腊语文本（1253）将用�替换一些希腊字符。

这意味着创建文件时出现问题。这可能是由各种原因造成的，所有这些都与使用错误的代码页在某些时候将数据视为ANSI有关：

• 也许源是使用与系统编码不同的单字节编码存储的文件，例如，在系统区域设置为1252的机器上读取使用1253生成的文件。解决方案是要么使用正确编码，或确保文件首先生成为UTF8。
• 数据可能来自ANSI数据库字段（即varchar），其排序规则与内容不匹配。数据库驱动程序将尝试使用排序规则的代码页转换数据，从而导致错误。这实际上是一个数据库错误。真正的解决方案是将varchar字段替换为nvarchar字段。

可能的解决方法是通过添加Auto Translate=False设置来阻止从数据库加载时的字符转换。本质上，这使用应用程序的CultureInfo读取和转换ANSI数据，而不是字段的排序规则。