为什么 xmltextreader 会自动将 html 编码的 utf8 字符转换为 utf8 字符串？

Question

我收到一个编码为“ISO-8859-1”（Latin-1）的 XML 文件

在文件中（以及其他标签）我有<OtherText>Example "content" And ─</OtherText>

现在由于某种原因，当我将它加载到 XMLTextReader 并执行“XmlReader.Value”以返回值时，它返回：“content”并且 ─

那么，当遇到只接受 Latin-1 编码的数据库时，显然会出错。

我尝试了以下方法：

• 转换为字节并使用 Encoding.Convert 从 UTF-8 更改 进入 Latin-1 （成功 给我一堆“？”而是）
• 使用 StreamReader(file,Encoding.随便) 将文件加载到 XmlTextReader

以及互联网和 StackOverflow istelf 上的几种变体和不同的方法。

我知道 .NET 字符串是 UTF-16，但我不明白为什么，当存在与旧数据库兼容的 UTF-8 字符和web（用于 HTML 标记等），它只是覆盖它并输出 UTF-8 编码的字符串 ANYWAY。

除了编写我自己的自定义文本解析器之外，没有办法解决这个问题？？？

Answer 1

我不认为这是编码的问题。您看到的是未转义的 XML 字符串。

问题是" 是一个 XML 转义字符，所以 XMLTextReader 将为您取消转义。

如果你改变这个：

<OtherText>Example &quot;content&quot; And &#9472;</OtherText>

到这里：

<OtherText>Example &amp;quot;content&amp;quot; And &amp;#9472;</OtherText>

然后

   XmlReader.Value = ""content" And ─";

您需要将值包装在 CDATA 中，以便解析器忽略它。

另一种选择是重新转义字符串：

    using System.Security;
....
....
    string val = SecurityElement.Escape(xmlReader.Value);