從xml文件讀取字符時控制檯打印錯誤字符

我想解析xml文件以打印字符控制檯或winforms。它看起來像這樣，從xml文件讀取字符時控制檯打印錯誤字符

<?xml version="1.0" encoding="UTF-8"?> 
<kanjidic2> 
<header> 
    <file_version>4</file_version> 
    <database_version>2015-093</database_version> 
    <date_of_creation>2015-04-03</date_of_creation> 
</header> 
<character> 
    <literal>亜</literal> 
    <codepoint> 
    <cp_value cp_type="ucs">4e9c</cp_value> 
    <cp_value cp_type="jis208">16-01</cp_value> 
    </codepoint> 
</character> 
<character> 
    <literal>唖</literal> 
    <codepoint> 
    <cp_value cp_type="ucs">5516</cp_value> 
    <cp_value cp_type="jis208">16-2</cp_value> 
    </codepoint> 
</character> 

... 
</kanjidic2>

凡字符literal標記是什麼，是想打印出來。該字符本身以UTF8編碼（提供者說）。我用這段代碼解析並在控制檯中打印出來。

class Program 
{ 
    static void Main(string[] args) 
    { 
     Console.OutputEncoding = Encoding.UTF8; 

     foreach (Kanji kanji in Parse()) 
     { 
      Console.WriteLine(kanji.Character); 
     } 

     Console.ReadKey(); 
    } 

    private static IEnumerable<Kanji> Parse() 
    { 
     var doc = new XmlDocument(); 
     doc.Load("kanjidic2.xml"); 

     XmlNodeList nodes = doc.DocumentElement.SelectNodes("/kanjidic2/character"); 

     foreach (XmlNode node in nodes) 
     { 
      yield return new Kanji { Character = node.SelectSingleNode("literal").InnerText }; 
     } 
    } 
} 

public class Kanji 
{ 
    public string Character { get; set; } 
}

當我運行程序時，它開始打印字符，但它不是性格，我已經看到它在literal（我認爲沒有人能夠閱讀）。我試過改變控制檯輸出編碼到Unicode這次打印正確的字符。

問題是爲什麼當我將輸出編碼設置爲UTF8時，控制檯不能正確打印字符？

是因爲它讀取以UTF8編碼的字符並將該字符作爲Unicode存儲在內存中（這意味着UTF16在.net中？）？如果是的話，爲什麼它不能將字符轉換回UTF8，因爲我第一次設置它。

來源

2015-04-04 witoong623

xml文件的頂部是否有編碼？例如：<？xml version =「1.0」encoding =「utf-8」？>如果不是，添加它時會發生什麼？您尚未指定用於加載xml文件的編碼，因此即使設置了「Console.OutputEncoding」，編碼也可能不匹配。 – Ryan 2015-04-04 17:56:21

@瑞恩是的，它有。我認爲xml文件會在頂部聲明編碼是非常常見的，所以我沒有添加它，所以我會編輯它:)並且可以告訴我如何在通過XmlDocument加載xml文件時指定編碼。加載，我找了它，但我找不到如何做到這一點。 – witoong623 2015-04-04 18:02:06

有幾個潛在的問題，你可能會遇到這裏。

控制檯有問題顯示其他字符集，如漢字，沒有額外的努力或代碼。您可以嘗試changing the Console font TrueType字體，如Consolas或Courier New。或者對於UTF-32，請查看代碼示例here。
你的xml文件是沒有BOM的UTF8，如果這是靜態的（不會改變），那麼你最好在你的代碼中指定它。您的gist正在使用Encoding.Default，但是當我將其更改爲Encoding.UTF8時，漢字字符串是正確的。我看着methods for detecting the encoding，但你需要決定你的XML文件是否會改變編碼。
我用十六進制編輯器查看了第一個<literal>亜</literal>，它是，但是當我將該字符粘貼到Visual Studio中時，它僅僅是E4 9C。我相信BA是combining character。如果您的編碼錯誤，您可能會看到äºœ。如果你不使用TTF字體，你會看到瘋狂的角色。即使在我的系統上使用Consolas，E4 9C字符串也顯示一個盒裝問號，但是當我複製並粘貼時，它是正確的字符。

來源

2015-04-07 14:50:25 Ryan

嘗試加載XML的UTF8字節，然後加載XML文件：如果你有一個文件，而不是一個XML字符串

byte[] encodedString = Encoding.UTF8.GetBytes(xmlString); 
 
using (MemoryStream ms = new MemoryStream(encodedString)) 
 
{ 
 
    ms.Flush(); 
 
    ms.Position = 0; 
 
    XmlDocument xmlDoc = new XmlDocument(); 
 
    xmlDoc.Load(ms); 
 
}

只是第一次加載像rgular文件這

var xmlString= File.ReadAllText(FilePath,Encoding.Default)

來源

2015-04-04 18:03:32 Coder1409

'xmlString'是StreamReader.ReadToEnd支持的字符串嗎？我會明天嘗試:) – witoong623 2015-04-04 18:10:01

只是看到更新的答案，從文件中加載字符串，因爲它是默認編碼 – Coder1409 2015-04-04 18:12:05

我測試了它通過使用XmlDocument.LoadXml，不幸的是，我得到了'XmlException'（https：// msdn.microsoft.com/en-us/library/set3a0zx(v=vs.90).aspx）即使它是totaly有效:(無論如何，謝謝。 – witoong623 2015-04-05 02:07:15

從xml文件讀取字符時控制檯打印錯誤字符

回答

相關問題