XML编码utf-8有中文无法解析或乱码C#

OStack程序员社区-中国程序员成长平台 › 门户 › 编程› Node.js›Node.js教程

原作者: [db:作者] 来自: [db:来源] 收藏邀请

XML的encoding="UTF-8" ，含有中文的话（部分）会出现乱码。

网上还是很多这类问题跟解决办法的。

表现为用ie或者infopath之类的xml软件打不开这个xml，txt打开有时正常有时乱码。

当然C#也是无法解析的。

但是用ultraedit打开正常显示，用ultraedit保存为utf8后xml就一切正常了。

查询发现是bom的原因。

什么是BOM呢？

BOM：Byte Order Mark，中文名字节顺序标记。UCS规范建议在传输字节流前，先传输BOM来判断字节顺序。其实UTF-8是不需要用BOM来表明字节顺序的，但是可以用BOM来表明编码方式。BOM的UTF-8编码是EF BB BF，所以呢，如果接受者收到EF BB BF开头的字节流，就说明它是UTF-8编码了。

由此可见，对于UTF-8来说，BOM是可有可无的，可是，有的XML解析方式不认这个BOM，所以就报错了。

解决办法如下，强制把xml文本保存为utf8格式就好了

                                XmlDocument doc = new XmlDocument();
                                
                                string xmlString = ReadContext(tmpDir + "\\" + xml);

                                try
                                {
                                    doc.LoadXml(xmlString);
                                }
                                catch (Exception e)
                                {
                                    log.ErrorFormat(string.Format("Xml无法解析，名称：{1}, 格式错误，错误原因：{0}", e.Message, xml));
                                    continue;
                                }


ReadContext函数是把xml里的内容作为文本读出来，注意编码很重要，不能用default

System.Text.Encoding.UTF8

private static string ReadContext(string path)
        {
            FileStream fs = new FileStream(path, FileMode.Open);
            StreamReader sr = new StreamReader(fs,System.Text.Encoding.UTF8); 

            string context = sr.ReadToEnd(); 
　　　　　　　fs.Close(); 
　　　　　　　sr.Close(); 
　　　　　　　sr.Dispose(); 
　　　　　　　fs.Dispose(); 

　　　　　　　return context; 
　　　　　}