Question

我正在尝试读取xml流并将其加载到集合中。

这有效，但我在阅读特殊字符时遇到困难。

E.g。如果我的xml看起来像这样

<?xml version="1.0" encoding="ISO-8859-1" ?> 
<persons>
<person>
 <firstname>
 <![CDATA[ Sébastien ]]> 
  </firstname>
  <lastname>
   <![CDATA[Ørvåk]]> 
  </lastname>
</person>
</persons>

我尝试使用linq读取值

var persons = from p in doc.Elements("persons").Elements("person") select p;
string firstname = person.Element("firstname").Value;
string lastname = person.Element("lastname").Value;

但是在ØrvåkØ和å/Sébastien中，é给出了奇怪的字符。

有谁知道什么是错的？我猜它不使用编码ISO-8859-1。

由于

Answer 1

扩大别人给出的答案：

有两种可能性：

该文件实际上编码为UTF-8，但您的xml解析器将其解释为ISO-8859-1。
该文件实际上编码为ISO-8859-1，但您的xml解析器将其解释为UTF-8。

要确定哪个是哪个，请查看é中Sébastien的内容。我可以想象出两种可能性：

“é”成为两个不同的角色 - 可能是“Ã©”
“é”成为单个无意义的字母或“?”，名称b中也可能缺少“Sébastien”。

在第一种情况下，您的文件不是您认为的。（它以UTF-8数据的形式进入您的程序，但您的程序正在尝试将其解释为ISO-8859-1）使用十六进制编辑器或其他可以显示字节的字节来查看xml文件磁盘是。

在第二种情况下，我将检查localhost上的HTTP服务器如何提供此文件。（您的程序以ISO-8859-1格式获取字节，但将其解释为UTF-8）在Windows上执行此操作的最简单方法是打开cmd提示符，然后运行命令： telnet localhost 80

当弹出窗口时，键入以下行（或从stackoverflow中剪切并粘贴），然后按两次Enter键。警告：您将无法看到您正在键入的内容，并且大写非常重要。

GET /Test/person.xml HTTP/1.0

在回复中，查找以Content-Type开头的行。这将告诉您本地Web服务器如何提供文件。

更新：看了你的文件后，它确实是iso-8859-1，所以我建议在你之前设置你的Webclient实例的.Encoding属性告诉它下载文件：

client.Encoding = System.Text.Encoding.GetEncoding("iso-8859-1")

或者，您可以使用DownloadBytes方法而不是DownloadString方法，然后将字节解析为xml文件。目前的问题是，当xml解析器获取文件内容时，字节已被解释为字符串，因此在那里更改编码为时已晚。

Answer 2

该文件可能不在ISO-8859-1中，但是使用的是UTF-8。你能提供内容的十六进制转储吗？有时XML文件的编写者不小心编码字符串。

此外，可能是XML文档是通过HTTP发出的，而HTTP标头声明编码不正确。 XML specification中的第4.3.3节规定MIME规则覆盖文档本身所声明的内容。

如果您将自己的代码指向链接而不是本地副本，则可能意味着您的本地Web服务器配置不正确...

Answer 3

您在后续跟踪中提到的XML文件是完全正确的。因此，您的错误特定于您的Javascript代码。

使用特殊字符读取CDATA部分的问题（ISO-8859-1编码）

3 个答案: