无法识别撒克逊输入编码？答案

【问题标题】：Saxon input encoding not recognized?无法识别撒克逊输入编码？
【发布时间】：2020-09-18 07:45:48
【问题描述】：

我在 Saxon xslt 处理器的 utf-8 文本输出中得到了奇怪的字符。

输入 xml 的标题是

<?xml version="1.0" encoding="windows-1252"?>

它包含类似的字符串（在 notepad++ 中显示，Windows-1252 编码显示在右下方）

“abc”

转换样式表包含

<xsl:output method="text" encoding="utf-8" />

但输出包含（在 notepad++ 中显示，右下方显示 UTF-8 编码）

ï¿½abcï¿½

而不是 UTF-8 编码

“abc”

知道我错过了什么吗？

p.s.：当我使用 notepad++ 将 xml 输入从 windows-1252 更改为 UTF-8 时，输出被正确编码，这就是我的解决方法。不过，我想了解我是否遗漏了什么，或者某些软件应该在字符集方面进行改进。

【问题讨论】：

那么你如何准确地使用 Saxon，你是否使用它的命令行工具，例如-o:result.txt 创建文本文件？还是您编写 Java 或 C# 代码？您可能需要提供这方面的详细信息，以便任何人都知道哪里出了问题。

【解决方案1】：

我怀疑虽然输入标记为 windows-1252，但它实际上不是 Windows-1252。

首先，尝试找出问题是在输入上还是在序列化上。您可以通过在 XSLT 代码中使用 string-to-codepoints() 来查看解析的节点树中存在哪些实际代码点。

如果是输入问题，那是 XML 解析器的责任，而不是 Saxon 本身的责任，所以这取决于您使用的是哪个 XML 解析器。

【讨论】：

谢谢你，迈克尔，这有帮助。我通过 API 从 Java 调用 Saxon。读取输入文件似乎是我的问题。
你是如何提供输入的？也许您通过提供 Reader 而不是 InputStream 自己进行解码（而不是让 XML 解析器来做）？
我会尽快遵循这个想法。使用 Java-API 的原因不仅是 CharSet 问题，而且即使没有输入也能够启动 Saxon，或者使用纯文本输入，例如.csv，或包含要传递到输出的 gt lt 等字符的文本，或具有在应用 xslt 转换之前必须转换为 xml 的标记的文本输入。因此，我的 InputStream 检查算法有着悠久的历史。在某些情况下，它可能已经过时，但它可以工作（大部分时间）。