如果我打開xml文件，Emacs顯示中文字符

Question

我有一個xml文件。當我用Emacs打開它時，它會顯示中文字符（請參閱附件）。這發生在使用Emacs和記事本的Windows 7 PC上，也發生在我的Windows XP上（參見圖A）。圖B是A

的hexl模式如果我使用一個collegue的Windows XP的PC，並用記事本打開該文件沒有中國的字符，但一個奇怪的字符的字符。我將它保存爲txt文件並通過電子郵件發送到我的Windows7-PC（參見圖C）。奇怪的字符被替換爲「？」。 （由於限制，我無法使用我的同事的電腦，並與奇怪的字符重現記事本文件）。

我的問題：似乎XML文件中存在造成問題的字符。我不知道該如何應對。有沒有人有一個想法如何我可以解決這個問題？它與編碼有關嗎？感謝提示。

Answer 1

按照圖B，它看起來像這個文件是用big-endian和little-endian UTF-16的混合編碼的。它以fe ff開頭，這是大寫字母UTF-16的字節順序標記，XML聲明（<?xml version=...）也是big-endian，但以<report開頭的部分是小端。你可以看出，因爲這些字母出現在十六進制顯示的第一部分的偶數位置上，但在下一個奇數位置出現。

另外，在<report之前有一個空字符（編碼爲兩個字節，00 00）。在XML文檔中不允許空字符。

但是，由於一些XML元素在圖A中正確顯示，似乎通過該文件發生混淆。該文件已損壞，這可能需要手動解決。

如果在文件中沒有非ASCII字符，我會嘗試在Emacs打開該文件作爲二進制（M-x revert-buffer-with-coding-system並指定binary），刪除所有空字節（M-% C-q C-@ RET RET），保存文件，並希望最好。

另一種可能的解決方案是標記每個區域有中國特色的顯現和與M-x recode-region重新編寫它，讓「文本是真正在」爲utf-16-le和「卻被解釋爲」爲utf-16-be。