Pharo声明U + 00A0中的XMLParser是＆＃34;无效的UTF-8＆＃34;

Question

鉴于输入：

<?xml version='1.0' encoding='UTF-8' standalone='yes' ?>
<sms body=". what" />

＆＃34;。＆＃34;之后的角色。在sms标记的body属性中是U+00A0;

我收到错误：

  

XMLEncodingException：无效的UTF-8字符编码（第2行）（第13列）

IIUC，该角色的UTF-8表示为0xC2 0xA0 per Wikipedia。果然，输入的字节72和73分别为194和160.

这似乎是XMLParser中的一个错误，或者我错过了什么？

Answer 1

感谢Monty前来救援on the Pharo User's list：

  

你是双重解码。使用onFileNamed：/ parseFileNamed：而不是（和   DOM printToFileNamed：写入时的消息系列）和let   XMLParser会为您解决此问题，或者之前禁用XMLParser解码   使用#decodesCharacters进行解析：。

     

更长的解释：

     

类#on：/ #parse：取一个字符串或一个流（读取   定义）。你给它一个FileReference，但因为参数是   用isString测试并发送#readStream，否则它没有爆炸   然后

     

文件引用发送#readStream返回自动执行的文件流   解码。但是XMLParser也自动尝试自己的解码，   如果：

     

输入以BOM开头，或者可以用空字节推断   在第一个非空字节之前或之后。

     

有一个非UTF-8编码的编码声明。

     

有一个UTF-8编码声明，但该流不正常   ReadStream（你的情况）。

     

因此它被解码两次，并且char的解码值导致了   错误。我会考虑改变启发式，以减少对它的渴望   解码。