Question

我正在从包含此类内容的XML文件中导入数据：

<FirstName>™MšR</FirstName><MiddleName/><LastName>HšNER™Z</LastName>

XML通过以下方式加载：

 XmlDocument doc = new XmlDocument();

 try
 {
      doc.Load(fullFilePath);
 }

当我使用顶部包含的数据执行此代码时，我得到一个关于非法字符的异常。我理解那部分就好了。

我不确定这是哪种编码或如何解决此问题。有没有办法可以更改XmlDocument或其他方法的编码，以确保正确解析上述内容？

更新：我在本文档中没有任何编码声明或<?xml。

我看过一些链接说动态添加它？这是UTF-16编码吗？

Answer 1

看来：

名称为ÖMÜR HÜNERÖZ（或可能是ÔMÜR HÜNERÔZ或ÕMÜR HÜNERÕZ;我不知道是哪种语言。
使用DOS“OEM”代码页编码XML文件，可能是437或850。
但它是使用windows-1252（“ANSI”代码页）解码的。

Answer 2

如果您使用十六进制编辑器（例如HXD或Visual Studio）查看文件，您看到了什么？

您发布的字符串中的每个字符都是由单个字节表示的吗？该文件是否有字节顺序标记（文件开头有一堆不可打印的字节）？

The™和š似乎表明在编码/转换过程中出现了一些问题，但是让我们看看......我猜它们都与元音相对应（ O -M- <强> A -R H- A -NER- O -Z，也许？），但我还没弄清楚他们最后是怎么看的像这样...

编辑：dan04击中头部。 cp-1252中的™的十六进制值为99，š为9a。在cp-437和cp-850中，十六进制99表示Ö，而9a表示Ü。

修复很简单：只需在打开XML文件时指定此编码：

XmlDocument doc = new XmlDocument();

using (var reader = new StreamReader(fileName, Encoding.GetEncoding(437)))
{
   doc.Load(reader);
}

Answer 3

来自here：

Encoding encoding;
using (var stream = new MemoryStream(bytes))
{
    using (var xmlreader = new XmlTextReader(stream))
    {
        xmlreader.MoveToContent();
        encoding = xmlreader.Encoding;
    }
}

您可能需要查看此内容：How to best detect encoding in XML file?

对于实际阅读，您可以使用StreamReader来处理BOM（字节顺序标记）：

string xml;

using (var reader = new StreamReader("FilePath", true))
{                                   //            ↑ 
    xml= reader.ReadToEnd();       //        detectEncodingFromByteOrderMarks
}

修改：删除了编码参数。如果文件包含BOM，StreamReader将检测文件的编码。如果不是，它将默认为UTF8。

修改2 ：Detecting Text Encoding for StreamReader

Answer 4

显然你提供了一个XML文档的片段，因为它缺少一个根元素，所以我认为这是你的意图。顶部是否有像<?xml version="1.0" encoding="UTF-8" ?>一样的xml处理指令？

更正大型Xml文件中的编码

4 个答案: