Jak zmienić kodowanie znaków XmlReader

Question

Mam proste XmlReader:

XmlReader r = XmlReader.Create(fileName); 

while (r.Read()) 
{ 
    Console.WriteLine(r.Value); 
} 

Problemem jest to plik XML ISO-8859-9 znaków w nim, co czyni XmlReader rzut „Invalid character in the given encoding.” wyjątek. Mogę rozwiązać ten problem dodając na początku linię <?xml version="1.0" encoding="ISO-8859-9" ?>, ale chciałbym rozwiązać to w inny sposób, na wypadek, gdyby nie można było zmodyfikować pliku źródłowego. Jak mogę zmienić kodowanie XmlReader?

Answer 1

Aby zmusić .NET do odczytania pliku jako ISO-8859-9, wystarczy użyć jednego z wielu przeciążeń XmlReader.Create, np.

using(XmlReader r = XmlReader.Create(new StreamReader(fileName, Encoding.GetEncoding("ISO-8859-9")))) { 
    while(r.Read()) { 
     Console.WriteLine(r.Value); 
    } 
} 

jednak, że nie może pracować, bo IIRC, W3C standardem XML mówi coś o tym, kiedy linia deklaracja XML został przeczytany, parser zgodny powinien natychmiast przejść do kodowania określonego w deklaracji XML, niezależnie od tego, kodowanie, z którego korzystało wcześniej. W twoim przypadku, jeśli plik XML nie ma deklaracji XML, kodowanie będzie miało postać UTF-8 i nadal będzie się nie udać. Mogę tu mówić bzdury, więc spróbuj i zobacz. :-)

Answer 2

XmlTextReader klasy (czyli to, co statyczne Create metoda jest rzeczywiście powrocie, ponieważ XmlReader jest abstrakcyjna klasa bazowa) przeznaczony jest do automatycznego wykrywania kodowania z samego pliku XML - nie ma sposobu, aby ustawić go ręcznie.

Wystarczy zapewnić, że obejmują następującą deklarację XML w pliku czytasz:

<?xml version="1.0" encoding="ISO-8859-9"?> 

Answer 3

Jeśli nie można zapewnić, że plik wejściowy ma odpowiedniego nagłówka, można spojrzeć na jeden z drugim 11 przeciąża metodę XmlReader.Create.

Niektóre z nich przyjmują zmienną XmlReaderSettings lub XmlParserContext lub obie. Nie badałem ich, ale istnieje możliwość, że ustawienie odpowiednich wartości może pomóc tutaj.

Jest własnością XmlReaderSettings.CheckCharacters - pomoc na ten stwierdza:

zobowiązuje czytelnikowi sprawdzić znaki i wyjątek jeśli wszystkie znaki są poza zasięgiem prawa znaków XML. Sprawdzanie znaków obejmuje sprawdzanie niedozwolonych znaków w dokumencie, a także sprawdzanie poprawności nazw XML (na przykład nazwa XML może nie zaczynać się od cyfry).

Pomocne może być ustawienie tego na false. Jednak pomoc również stwierdza:

Jeśli XmlReader przetwarza dane tekstowe, zawsze sprawdza, czy nazwy XML i treść tekstowa są poprawne, niezależnie od ustawienia właściwości. Ustawienie funkcji CheckCharacters na wartość false powoduje wyłączenie sprawdzania znaków dla odwołań do encji postaci.

Tak więc dalsze dochodzenie jest uzasadnione.

Answer 4

Użyj XmlTextReader zamiast XmlReader:

System.Text.Encoding.UTF8.GetString(YourXmlTextReader.Encoding.GetBytes(YourXmlTextReader.Value))