合并几个xml文件：编码问题

Question

我的应用程序从 web 服务中获取一些像这样的 xml 文件：

<?xml version="1.0" encoding="iso-8859-1"?> 
<root> 
    <person> 
    <!— some elements here —> 
    </person> 
    <person> 
    <!— some elements here —> 
    </person> 
</root>

我将所有这些文件合并到一个文件中，以便在一个根元素下加入所有人员。如果我使用这样的代码：

var readers = files.Select(XmlReader.Create).ToList(); 
var writer = XmlWriter.Create("final.xml"); 
... 
writer.WriteStartDocument(); 
writer.WriteStartElement("root"); 

foreach (var reader in readers) 
{ 
    reader.MoveToContent(); 
    reader.Read(); 
    while (!reader.EOF) 
    { 
        string elementName = reader.Name; 
        if (elementName.Equals("person", StringComparison.OrdinalIgnoreCase)) 
        { 
            writer.WriteNode(reader, false); 
        } 
        else 
        { 
            reader.Read(); 
        } 
    } 
} 

writer.WriteEndElement(); 
writer.WriteEndDocument(); 
... 
//dispose all readers and writers

它工作正常，在最终文件中，我在 xml 序言中有 utf-8。但如果我创建这样的读者：

var readers = files.Select(x => XmlReader.Create(new StreamReader(x))).ToList();

我在 xml prolouge 中有相同的 utf-8，但最终文件中有损坏的数据。例如，不是符号 å 我有�。我试图找出这个问题的原因阅读Joel's article about encodings，但没有结果。为什么它会这样工作？

Answer 1

当您像这样创建XmlReader 时：

XmlReader.Create("path/to/file.xml")

那么文件的编码将从XML声明中推断出来，所以iso-8859-1。这显然是正确的。

当您像这样创建XmlReader 时：

XmlReader.Create(new StreamReader("path/to/file.xml"))

您正在使用采用TextReader 的重载。 TextReader 返回 unicode，因此 XmlReader 无需解码。结果是声明中指定的编码被完全忽略。 the docs中提到了这一点：

文本阅读器返回一个 Unicode 字符流，因此 XML 阅读器不使用 XML 声明中指定的编码来解码数据流。

如果你想这样做，你需要为StreamReader指定正确的编码，因为它没有正确检测到这一点：

new StreamReader("path/to/file.xml", Encoding.GetEncoding("iso-8859-1"));