如何更改XmlReader的字符编码

我有一个简单的XmlReader:

XmlReader r = XmlReader.Create(fileName); while (r.Read()) { Console.WriteLine(r.Value); } 

问题是,Xml文件中包含ISO-8859-9字符,这使得XmlReader抛出“ Invalid character in the given encoding. ”exception。 我可以在开头添加行来解决这个问题,但我想以另一种方式解决这个问题,以防我无法修改源代码文件。 如何更改XmlReader的编码?

要强制.NET以ISO-8859-9读取文件,只需使用许多XmlReader.Create重载之一,例如

 using(XmlReader r = XmlReader.Create(new StreamReader(fileName, Encoding.GetEncoding("ISO-8859-9")))) { while(r.Read()) { Console.WriteLine(r.Value); } } 

但是,这可能不起作用,因为,IIRC,W3C XML标准说明了何时读取XML声明行,兼容的解析器应立即切换到XML声明中指定的编码,而不管之前使用的编码。 在您的情况下,如果XML文件没有XML声明,则编码将为UTF-8,但仍然会失败。 我可能在这里胡说八道,所以试试看吧。 🙂

XmlTextReader类(这是静态Create方法实际返回的,因为XmlReader是抽象基类)旨在自动检测XML文件本身的编码 – 没有办法手动设置它。

只需确保在您正在阅读的文件中包含以下XML声明:

  

如果您无法确保输入文件具有正确的标头,则可以查看XmlReader.Create方法的其他11个重载之一。

其中一些采用XmlReaderSettings变量或XmlParserContext变量,或两者兼而有之。 我没有调查这些,但有可能设置适当的值可能会有所帮助。

有一个XmlReaderSettings.CheckCharacters属性 – 这种状态的帮助:

指示读者检查字符并在任何字符超出合法XML字符范围时抛出exception。 字符检查包括检查文档中的非法字符,以及检查XML名称的有效性(例如,XML名称可能不以数字开头)。

因此将此设置为false可能会有所帮助。 但是,帮助还说明:

如果XmlReader正在处理文本数据,它始终会检查XML名称和文本内容是否有效,而不管属性设置如何。 将CheckCharacters设置为false会关闭字符实体引用的字符检查。

因此需要进一步调查。

使用XmlTextReader而不是XmlReader

 System.Text.Encoding.UTF8.GetString(YourXmlTextReader.Encoding.GetBytes(YourXmlTextReader.Value))