从XML中过滤某些unicode字符

Question

...特别是xA3（＆amp; pound，＆amp;＃xa3，＆amp;＃163）

我正在加载几个很长的XML文档并且会定期加载一个不会加载的文档，抛出异常：

  

给定编码中的字符无效。第x行，第y位。

以下是有问题的代码：

var doc = new XmlDocument();
doc.Load(file.FullName);

当我在指示的行中查看相关文档时，我会在其中一个XML标记中看到xA3格式化反向（黑色bg，白色fg）。

每个XML文件的标题都没什么了不起的：

<?xml version="1.0" encoding="UTF-8"?> 
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">

这可能听起来像一个非常愚蠢的问题，但有没有办法删除有问题的字符或告诉读取文件的XMLDocument接受字符编码？

Answer 1

此答案基于您的XML文件不包含字符实体£但字节值0xa3的假设。

井号的UTF-8代码是双字节代码0xc2 0xa3。如果0xc2之前没有字节0xa3，则XML文件的编码不是UTF-8，并且标题信息错误。

如果是这种情况，您可以将XML标头中的编码更改为ISO 8859-1（可以在代码点0xa3找到井号），或者尝试找出XML文件的原因不是UTF-8编码并修复它们。由于我不知道您的文件是否包含ISO 8859-1中不存在的任何字符，我更倾向于第二种选择。