Question

我试图通过套接字读取从外部接口收到的一些XML。问题是XML头中的编码指定错误（它表示iso-8859-1，但它是utf-16BE）。据记载，编码是utf-16BE，但显然他们忘记设置正确的编码。

要在反序列化时忽略编码，我使用像这样的StringReader：

    private static T DeserializeXmlData<T>(byte[] xmlData)
    {
        var xmlString = Encoding.BigEndianUnicode.GetString(xmlData);
        using (var reader = new StringReader(xmlString))
        {
            reader.ReadLine(); // Eat header line
            using (var xmlReader = XmlReader.Create(reader))
            {
                var serializer = new XmlSerializer(typeof(T));
                return (T)serializer.Deserialize(xmlReader);
            }
        }
    }

以上实际上工作正常，但我不喜欢通过调用ReadLine跳过标题行的部分。是否有一种不那么脆弱的方法来绕过XML标题中指定的编码？

使用StreamReader解决方案

通过使用StreamReader，我可以覆盖XML头中指定的编码。指定XmlReaderSettings.IgnoreProcessingInstructions与否没有任何区别。有趣的是，如果StreamReader找到unicode字节顺序标记，则忽略指定的编码。

回顾一下：

如果使用TextReader初始化XmlReader，则忽略XML标头编码。
如果使用StringReader，如果存在unicode字节顺序标记，XmlReader将失败。
如果使用StreamReader，则unicode字节顺序标记将覆盖StreamReader编码。
XmlReaderSettings.IgnoreProcessingInstructions = true在使用TextReader时没有区别。

总之，最强大的解决方案似乎是使用StreamReader，因为它使用字节顺序标记（如果存在）。

    private static T DeserializeXmlData<T>(byte[] xmlData)
    {
        using (var xmlDataStream = new MemoryStream(xmlData))
        {
            using (var reader = new StreamReader(xmlDataStream, Encoding.BigEndianUnicode))
            {
                using (var xmlReader = XmlReader.Create(reader))
                {
                    var serializer = new XmlSerializer(typeof (T));
                    return (T) serializer.Deserialize(xmlReader);
                }
            }
        }
    }

Answer 1

我想我只是使用StreamReader，使用正确的编码构造并将其传递给XmlReader.Create（TextStream）方法：

 using (var sr = new StreamReader(@"c:\temp\bad.xml", Encoding.BigEndianUnicode)) {
     using (var xr = XmlReader.Create(sr, new XmlReaderSettings())) {
         // etc...
     }
 }

Answer 2

如果没有其他相关处理说明，您可以通过设置XmlReaderSettings.IgnoreProcessingInstructions来忽略它们。

反序列化XML时忽略指定的编码

2 个答案: