Question

我正在尝试从XML Feed中提取£符号（完整版本在这里＆gt; http://mjsiphone.com/scotjobsnet/）

迷你版在这里＆gt; http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml

我无法控制Feed或源服务器的来源或Feed的格式，他们使用的标题等等。

我只需要构建一个.NET 4.5控制台应用程序，它将提取数据并将其保存在我们自己的站点数据库中。

此外，我必须删除所有HTML（来自作业说明）并删除任何HTML编码字符并将其替换为实际值。

因此，我需要在MS SQL 2008数据库中保存nvarchar数据类型中的真实£符号，而不是20,000英镑或20,000英镑等。

查看Feed的来源时，顶部有UTF-8。

然而，当在浏览器源中查看提要时，我没有看到任何提及UTF-8作为请求/响应标头，并且在请求标头（Chrome）中我只看到：

接受语言：EN-GB，EN-US; Q = 0.8，连接; Q = 0.6

当我将浏览器或控制台中的字符复制并粘贴到SQL中并检查它们时，它们返回163，这是正确的ASCII字符编码，例如£

如果您在浏览器中查看Feed，则英镑符号显示正常。

当我将内容传输到Windows命令控制台时，它们会显示为£符号。

然而，当我尝试将它们保存到数据库或管道控制台调试到EditPlus中的文件（字符编码设置为UTF8或ASCII）时，我只是在数字前面得到正方形而不是符号，例如在CMD中

[.exe的路径]＆gt; [debug.log文件的路径]

控制台无法正确地将内容传递给编辑器，或者我需要使用正确的编码或传递更多标题或以不同方式提取XML。

以下是我用于测试此代码的示例，只使用一个字段，在其中使用£符号然后断开。

static void Main(string[] args)
{           

    Console.WriteLine("START");

    XmlDocument xDoc = new XmlDocument();
    string feedURL = "http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml";

    WebClient webClient = new WebClient();
    // need to pass a user-agent > 10 Chars to prevent blocking by OUR servers 403
    webClient.Headers.Add("user-agent", "Mozilla/5.0 (compatible; Job Feed Importer;)");

    // piping out to console with this line below shows a £ but to a UTF-8 or ASCII file it's gibberish
    webClient.Headers.Add("Content-Type", "application/xml; charset=utf-8");

    // I tried this but still the console works but piping to an editor in UTF-8 or ASCII shows squares
    webClient.Headers.Add("Accept-Language", "utf-8,en-GB,en-US;q=0.8,en;q=0.6");

    // download as text - is this the problem? Should I be using a different method
    string feedText = webClient.DownloadString(feedURL);

    // load into XML object
    xDoc.LoadXml(feedText);

    if (xDoc != null)
    {
        XmlElement root = xDoc.DocumentElement;
        XmlNodeList xNodelst = root.SelectNodes("job");
        foreach (XmlNode node in xNodelst)
        {
            string salary = node.SelectSingleNode("candidateSalary").InnerText;

            // piped to cmd console the £ signs show but to a UTF-8 file they are just squares
            // I've tried adding the Encoding.UTF8 or Encoding.ASCII still no joy
            // Console.WriteLine("candidateSalary = " + salary,Encoding.UTF8);
            Console.WriteLine("candidateSalary = " + salary);

            break;
        }
    }

    Console.WriteLine("FINISH");
}

任何帮助将不胜感激。

我确信这只是我需要传递的标题，或者可能是将XML内容输出到编辑器的问题。

正如我之前在Windows控制台中查看输出所说的那样，£显示得很好。

由于

Answer 1

我希望此命令的输出不是UTF-8：

Console.WriteLine(Console.OutputEncoding);

这里有两个转码操作：

UTF-8 > UTF-16 string > console encoding

in the XML specification描述了检测XML文档编码的正确方法。 XmlDocument 将为您完成此操作。

控制台编码可以设置为UTF-8，也可以直接将编码的字节序列化为STDOUT。

Console.OutputEncoding = System.Text.Encoding.UTF8;
XmlDocument xDoc = new XmlDocument();
string feedURL = "http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml";
WebClient client = new WebClient();
client.Headers.Add("user-agent", "Mozilla/5.0 (compatible; Job Feed Importer;)");
byte[] feed = client.DownloadData(feedURL);
xDoc.Load(new MemoryStream(feed));
if (xDoc != null)
{
  XmlElement root = xDoc.DocumentElement;
  XmlNodeList xNodelst = root.SelectNodes("job");
  foreach (XmlNode node in xNodelst)
  {
    string salary = node.SelectSingleNode("candidateSalary").InnerText;
    Console.WriteLine("candidateSalary = " + salary);
    break;
  }
}

有关 cmd.exe 和Unicode here的更多信息。

Munged角色 - 来自XML的英镑符号

1 个答案: