为什么＆＃34; - ＆＃34;被转换成＆＃34;？＆＃34;从XML到HTML？

Question

我使用Servlet和Tomcat在elasticsearch之上创建了一个Web应用程序。我正在使用Saxon使用XSL样式表将XML转换为HTML网页。

我不确定为什么＆＃39; - ＆＃39;在我的XML中转换为＆＃34;？＆＃34;在我的HTML中。

这是我的XML（标题字段）

的一部分

<T>Director Brennan Speaks at the Council on Foreign Relations — Central Intelligence Agency</T>

此XML转换为HTML。这就是我的webapp中标题的样子

您将观察到？（标题中的问号）。

我不确定为什么会这样。我正在使用编码＆＃34; UTF-8＆＃34;在我的XSL中。任何帮助将不胜感激。

Answer 1

嗯，几乎可以肯定是某种字符编码问题。

要做的第一件事是检查XML中字符的编码。用于表示XML文件中字符的实际二进制/十六进制代码是什么？ （您需要一些以十六进制显示文件的工具才能找到。请注意避免以可能会改变编码的方式复制文件。）然后检查实际编码是否与声明的编码一致，即是，文件头部的XML声明中出现的编码，假设有一个。

如果一切看起来都正确，则需要对HTML文件执行相同的操作。再次，在十六进制编辑器中查看HTML文件，并注意以可能更改编码的方式复制它。如果HTML文件内部不正确，则需要研究可能已损坏字符的所有转换步骤。但是，如果HTML文件是正确的，则需要查看用于查看HTML的步骤（例如，将其从Web服务器提供给浏览器。）

我认为两个最可能的原因是（a）XML文件的声明编码与实际内部编码不匹配，或者（b）您在浏览器中查看HTML文件并且HTTP标头或Charset参数导致它以错误的编码显示（或者更确切地说，解码）。

一件肯定不会影响它的事情是XSLT样式表的编码。