XSL 转换：utf-8 和 iso-8859-1 兼容性

Question

我使用 .NET 类 XslCompiledTransform 进行 xslt 转换，但我遇到了编码问题。我的输入 xml 中有这个词 Förstelärare。以下是案例：

1. 输入xml文件有<?xml version="1.0" encoding="utf-8"?> - xslt文件有<xsl:output encoding="utf-8" ... - OK
2. 输入xml文件有<?xml version="1.0" encoding="utf-8"?> - xslt文件有<xsl:output encoding="iso-8859-1" ... - OK
3. 输入xml文件有<?xml version="1.0" encoding="iso-8859-1"?> - xslt文件有<xsl:output encoding="iso-8859-1" ... - OK
4. 输入 xml 文件有 <?xml version="1.0" encoding="iso-8859-1"?> - xslt 文件有 <xsl:output encoding="utf-8" ... - 损坏 - 我在输出 xml 中看到 Förstelärare。

input.xml：

<?xml version="1.0" encoding="iso-8859-1"?>
<test>Förstelärare</test>

trans.xslt：

<?xml version="1.0" encoding="utf-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output method="xml" version="1.0" encoding="utf-8" standalone="yes" indent="yes"/>
    <xsl:template match="/"> 
        <xsl:apply-templates select="/test" />
    </xsl:template>
    <xsl:template match="test">
        <test><xsl:value-of select="text()"/></test>
    </xsl:template>
</xsl:stylesheet>

C#代码：

var xslCompiledTransform = new XslCompiledTransform();
using (var xmlReader = XmlReader.Create(@"C:\trans.xslt", new XmlReaderSettings { DtdProcessing = DtdProcessing.Ignore, XmlResolver = null }))
{
    xslCompiledTransform.Load(xmlReader);
}
using (var xmlReader = XmlReader.Create(@"C:\input.xml", new XmlReaderSettings { DtdProcessing = DtdProcessing.Ignore, XmlResolver = null }))
using (var xmlWriter = XmlWriter.Create(@"C:\output.xml", xslCompiledTransform.OutputSettings))
{
    xslCompiledTransform.Transform(xmlReader, xmlWriter);
}

输出.xml：

<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<test>Förstelärare</test>

为什么会这样？看起来我需要在我的 xslt 文件中使用 iso-8859-1 以防止损坏，因为它在 iso-8859-1 和 utf-8 两种情况下都有效。

Answer 1

您看到的输出是用 UTF-8 编码的字符串解释为 iso-8859-1 的结果。

有两种可能：

• 您的源文件实际上编码为 UTF-8：仅仅因为 XML 声明说 iso-8859-1，这并不一定意味着文本就是这样保存的。 （编辑：基于 cmets，我相信这就是您的情况。）
• 或者，当您将其写为 UTF-8 时，它工作得很好，但无论您用来检查输出，都会忽略它并假设它是 iso-8859-1。

这是它的各种编码中的字符： http://www.fileformat.info/info/unicode/char/00f6/index.htm

我建议在十六进制编辑器中查看您的源文档，然后紧跟“F”（任何编码中的 70 或 0x46），如果按照 XML 声明，如果它在 iso-8859-1 中，您应该看到 0xF6 -在这种情况下，您可能以错误的编码读取输出。如果是0xC3 0xB6，那就是UTF-8，你的源的XML声明中的编码是错误的。