如何使用 xsltproc 的 iconv 将非 UTF-8 字符转换为 UTF-8 字符答案

【问题标题】：How to convert nonUTF-8 chars to UTF-8 chars with iconv for xsltproc如何使用 xsltproc 的 iconv 将非 UTF-8 字符转换为 UTF-8 字符
【发布时间】：2015-07-20 18:09:31
【问题描述】：

我正在尝试使用 xsltproc 从 xml 文件中获取数据，但是当我执行 xsltproc 时，我得到一个解析器错误列表，显示我：

new_news.xml:388407：解析器错误：PCDATA 无效字符值 26

new_news.xml:418521：解析器错误：PCDATA 无效字符值 26

new_news.xml:1490882：解析器错误：PCDATA 无效字符值 27 乌尔坦'ın

错误列表中的数字显示了发生错误的 xml 文件的行号，我看到有一些非 UTF8 字符，如 ESC、SUB 等。（.xml 文件具有 UTF-8 标签在一开始。）既然是这种情况，我需要删除（或替换）那些非 UTF8 字符。为此：

我使用了 iconv 命令：

iconv -c -t UTF-8 new_news.xml

然后使用 diff 命令查看差异：

diff new.xml new_news.xml

但是它们之间没有区别。因此，给定 new_news.xml 到 xsltproc 命令，我得到了同样的错误。

你能帮我解决这个问题吗？我究竟做错了什么？顺便说一句，我使用的是 OsX 终端。我不知道 iconv 命令是否与 sed 和 awk 命令有所不同。

最好的问候

【问题讨论】：

标签： xslt unicode utf-8 iconv

【解决方案1】：

您的问题不在于 UTF-8，而在于 XML。 ESC 或 SUB 等非打印字符为not allowed in XML。如果您的文件包含它们，那么它就不是 XML 文档。

您需要删除有问题的字符或将它们更改为其他字符，然后您的文档才能被解析为 XML 并由 XSLT 处理器处理。更改文档的编码不会完成任何事情。

【讨论】：

感谢您的回答。