如果我打开xml文件，Emacs会显示中文字符

Question

我有一个xml文件。当我用Emacs打开它时，它会显示中文字符（参见附件）。这种情况发生在带有Emacs和Notepad的Wi​​ndows 7 PC上以及我的Windows XP上（见图A）。图B是A的hexl模式。

如果我使用同事的Windows XP PC并使用记事本打开文件，则没有中文字符，但有一个奇怪的字符。我把它保存为txt文件并通过电子邮件发送到我的Windows7-PC（见图C）。奇怪的角色被“？”取代。 （由于限制，我无法使用我的同事的PC并使用奇怪的角色重现记事本文件）。

我的问题：似乎XML文件中存在会产生问题的字符。我不知道如何应对。有人知道如何解决这个问题吗？它与编码有关吗？谢谢提示。

Answer 1

通过图B，看起来这个文件是用big-endian和little-endian UTF-16混合编码的。它以fe ff开头，它是big-endian UTF-16的字节顺序标记，XML声明（<?xml version=...）也是big-endian，但是以<report开头的部分是小端的。你可以看出，因为字母出现在hexl显示的第一部分的偶数位置，但是在更低的奇数位置。

此外，在00 00之前有一个空字符（编码为两个字节，<report）。 XML文档中不允许使用空字符。

但是，由于某些XML元素在图A中正确显示，因此似乎混淆了整个文件。该文件已损坏，可能需要手动解决。

如果文件中没有非ASCII字符，我会尝试在Emacs中打开文件为二进制文件（M-x revert-buffer-with-coding-system并指定binary），删除所有空字节（{{1} }），保存文件并希望最好。

另一种可能的解决方案是将每个区域标记为中文字符并使用M-% C-q C-@ RET RET进行重新编码，将“文本确实在”作为M-x recode-region和“但被解释为”为utf-16-le }。

Answer 2

使用Emacs更改文件内编码的可能性对legoscia的解决方案解决了我的问题。另一种可能性是：

1. 切割要转换的零件
2. 粘贴新文件并保存
3. 使用可以转换编码的编辑器打开
4. 转换文件并保存
5. 复制转换后的字符串并将其添加（粘贴）到剪切要转换的部分的原始文件中

就我而言，它适用于Atom，但不适用于Notepad ++。

PS：之所以使用这种方式，是因为Emacs再也无法打开这种损坏的文件。我不知道为什么，但这是另一个问题。

编辑1：由于复制，粘贴和合并很麻烦，因此我找到了如何使用emacs打开emacs -q xmlfile.xml损坏的文件的解决方案。建议使用像Legoscia这样的emacs来修复此类文件的最佳方法。

Answer 3

由于某种原因，Emacs将xml文件编码属性中的“ UTF-16”作为大字节序，而Windows将“ UTF-16”作为小字节序（例如从Task Scheduler导出时）。如果您编辑和保存xml文件，Emacs会在不知不觉中自动将LE转换为BE。您可以将鼠标悬停在左下角的“ U”上以查看当前的编码。保存后（没有BOM表），encoding =“ UTF-16LE”或encoding =“ UTF-16BE”将破坏文件。

<?xml version="1.0" encoding="UTF-16"?>
<hi />