.NET DataSet.GetXml() - 默认编码是什么？答案

【问题标题】：.NET DataSet.GetXml() - what's the default encoding?.NET DataSet.GetXml() - 默认编码是什么？
【发布时间】：2010-12-24 23:08:40
【问题描述】：

现有应用程序在SQLServer 2000 中将XML 传递给一个sproc，输入参数数据类型为TEXT； XML 派生自 Dataset.GetXML()。但我注意到它没有指定编码。

因此，当用户将不适当的字符潜入数据集中时，特别是 ASCII 146（似乎是撇号）而不是 ASCII 39（单引号），存储过程会失败。

一种方法是在 GetXML 的结果前面加上

<?xml version="1.0" encoding="ISO-8859-1"?>

它在这种情况下有效，但是确保存储过程不会崩溃（如果弹出其他无法预料的字符）的更正确方法是什么？

PS。我怀疑用户在 MS-Word 或类似的编辑器中输入文本，然后复制并粘贴到应用程序的输入字段中；我可能希望允许用户继续以这种方式工作，只需要防止崩溃。

编辑：我正在寻找确认或否认某些方面的答案，例如：
- 根据标题，如果 XML 中没有指定，默认编码是什么？
- 编码 ISO-8859-1 是否适合使用？
- 如果有更好的编码可以包含英语世界中的更多字符，因此不太可能导致存储过程中的错误？
- 您是否会在应用程序的 UI 级别过滤标准 ASCII（仅 0 到 127），并且不允许扩展 ASCII？
- 任何其他相关细节。

【问题讨论】：

标签： xml encoding dataset xml-parsing

【解决方案1】：

我相信您的方法应该是使用 WriteXml 而不是 GetXml。这应该允许您指定编码。

但是，请注意，您必须通过中间流进行写入 - 如果您直接输出到字符串，它将始终使用 UTF-16。由于您使用的是 TEXT 列，这将允许对 TEXT 无效的字符。

【讨论】：

按照我的例子这样做有什么问题，连接 [xml 编码] + DataSet.GetXml() ？
1) 不要使用字符串连接来操作 XML。 XML 和字符串之间的规则存在差异。 2）您的方法仅声明编码是什么 - 它根本不会更改编码。

【解决方案2】：

DataSet.GetXml() 返回一个string。在 .NET 中，字符串在内部使用 UTF-16 进行编码，但这在这里并不重要。

字符串中没有<?xml encoding=...> 声明的原因是该声明仅在解析字节流中的XML 时有用或需要。 .NET 字符串不是字节流，它只是具有明确定义的代码点语义（即 Unicode）的文本，因此不需要它。

如果没有 XML 编码声明，则在没有 BOM 的情况下，XML 解析器将采用 UTF-8。但是，在您的情况下，它也完全无关紧要，因为问题不在于 XML 解析器（当 XML 存储在 TEXT 列中时，SQL Server 不会解析 XML）。问题是您的 XML 包含一些 Unicode 字符，而 TEXT 是非 Unicode SQL 类型。

您可以使用Encoding.GetBytes() 方法将string 编码为任何编码。

【讨论】：

错误假设，该列不是 TEXT，仅使用 TEXT 类型的参数来接受 XML 字符串；使用 TEXT 是因为 varchar(8000) 有长度限制；问题是与 sqlserver 上的解析器有关。服务器：消息 6603，级别 16，状态 1，过程 sp_xml_preparedocument，第 40 行 XML 解析错误：在文本内容中发现无效字符。正如我所说，当我将 XML 字符串声明为 ISO-8859-1 时，存储过程中不会发生错误，因此解析器将 ASCII 146 视为可接受的。
其实还是TEXT的问题。具体来说，当您将 Unicode string 传递给存储过程时，必须将其转换为非 Unicode 编码以匹配 TEXT；结果当然不是使用 UTF 编码的，要使用哪种编码进行转换也不容易确定。如果您可以控制 sproc，只需将 TEXT 替换为 NTEXT，并且不要为编码烦恼
在阅读您的最后一条评论之前，我得出了相同的结论来使用 NTEXT，那么我不需要声明
?xml version="1.0" encoding="ISO-8859 -1"?
让它工作（或者不需要像你所说的那样打扰编码）。您能否澄清一些事情：
您是说如果我使用 NTEXT，我传递的 xml 字符串将被 xml 解析器解释为 UTF-16？
为什么保留 TEXT 并将 xml 字符串声明为 ISO-8859-1 有效？
显然，当 ADO.NET MSSQL 提供程序将 .NET Unicode 字符串转换为 TEXT 时，它使用 ISO-8859-1 作为编码（我怀疑它要么使用当前系统区域设置，或数据库中指定的代码页）。因此，字符串一旦进入 SQL，就使用 ISO-8859-1 进行编码（只要它可以表示原始字符串中的字符），然后 MSSQL 中的 XML 解析器将其视为字节序列，并假定 UTF-8 (或选择您的显式编码声明）。对于 NTEXT，我希望它能将其视为 Unicode 文本而不是原始字节。