UTF-8 编码问题

Question

我正在尝试以 c# win 形式从 rss 提要（提要位置为 http://www.bgsvetionik.com/rss/ ）获取数据。看看下面的代码：

public static XmlDocument FromUri(string uri) 
     {

        XmlDocument xmlDoc;
        WebClient webClient = new WebClient();

        using (Stream rssStream = webClient.OpenRead(uri))
        {
            XmlTextReader reader = new XmlTextReader(rssStream);
            xmlDoc = new XmlDocument();
            xmlDoc.XmlResolver = null;
            xmlDoc.Load(reader);
        }
        return xmlDoc;
   }

虽然 xmlDoc.InnerXml 包含使用 UTF-8 编码的 XML 定义，但我得到的是 š 而不是 š 等。

我该如何解决？

Answer 1

Feed 的数据不正确。 š 位于 CDATA section 内，因此 XML 解析器不会将其视为实体。

如果您查看源 XML，您会发现实体和“原始”字符混合在一起，例如čišćenja 在第一个标题的中间。

如果您需要更正该问题，您必须自己调用 Replace 来解决问题 - XML 解析器正在按照它的意图执行。

编辑：对于替换，您可以获取所有 HTML 实体并一一替换它们，或者只是找出实际使用的实体。然后做：

string text = element.Value.Replace("š", "š")
                           .Replace(...);

当然，这意味着实际上正确转义的任何内容都应该真正是文本将被意外替换...但这就是数据损坏的问题:(