Question

我遇到了阅读XML的问题。找到了解决方案，但仍有一些问题。不正确的XML文件以UTF-8编码，并在其标题中有适当的标记。但它还包括一个用UTF-16编码的字符 - 'é'。此代码用于读取XML文件以验证其内容：

var xDoc = XDocument.Load(taxFile);

它引发了指定的错误XML文件的异常：“给定编码中的字符无效。第59行，第104位。”快速解决方法如下：

XDocument xDoc = null;
using (var oReader = new StreamReader(taxFile, Encoding.UTF8))
{
    xDoc = XDocument.Load(oReader);
}

此代码不会引发错误文件的异常。但'é'字符加载为。我的第一个问题是“它为什么有用？”。

另一点是使用XmlReader不会引发异常，直到加载了'é'的节点。

XmlReader xmlTax = XmlReader.Create(filePath);

再次使用StreamReader锻炼有帮助。同样的问题。似乎修复解决方案不够好，导致有一天:)以其他格式编码的XML可能会出现，并且可能以错误的方式进行。但我试图处理UTF-16格式的XML文件，它工作正常（配置为UTF-8）。

最后一个问题是，是否有任何选项可供XDocument / XmlReader忽略字符编码或像这样的smth。

期待您的回复。提前致谢

Answer 1

首先要注意的是XML文件实际上存在缺陷 - 不应该在同一个文件中混合文本编码。当文件实际嵌入了显式编码时，错误更加明显。

至于为什么StreamReader可以毫无例外地读取它，这是因为编码包含控制遇到不兼容数据时会发生什么的设置

记录Encoding.UTF8以使用后备字符。来自http://msdn.microsoft.com/en-us/library/system.text.encoding.utf8.aspx：

此属性返回的UTF8Encoding对象可能没有适合您的应用程序的行为。它使用替换回退以替换它无法编码的每个字符串和每个字节它不能用问号（“？”）字符解码。

您可以自己实例化编码以获得不同的设置。这很可能是XDocument.Load（）所做的，因为默认情况下隐藏错误通常是不好的。 http://msdn.microsoft.com/en-us/library/system.text.utf8encoding.aspx

如果您发送了这样的XML文件，那么第1步就是（大声）抱怨它。这种行为没有正当理由。如果你绝对必须处理它们，我建议你看一下UTF8Encoding类及其DecoderFallbackProperty。您似乎应该能够实现自定义DecoderFallback和DecoderFallbackBuffer来添加将理解UTF-16字节序列的逻辑。

C＃读取带有不同编码字符的XML

1 个答案: