C# 合并少量xml文件：编码问题

我的应用程序从web服务获取的xml文件很少，如下所示：

<?xml version="1.0" encoding="iso-8859-1"?> 
<root> 
    <person> 
    <!— some elements here —> 
    </person> 
    <person> 
    <!— some elements here —> 
    </person> 
</root>

var readers = files.Select(XmlReader.Create).ToList(); 
var writer = XmlWriter.Create("final.xml"); 
... 
writer.WriteStartDocument(); 
writer.WriteStartElement("root"); 

foreach (var reader in readers) 
{ 
    reader.MoveToContent(); 
    reader.Read(); 
    while (!reader.EOF) 
    { 
        string elementName = reader.Name; 
        if (elementName.Equals("person", StringComparison.OrdinalIgnoreCase)) 
        { 
            writer.WriteNode(reader, false); 
        } 
        else 
        { 
            reader.Read(); 
        } 
    } 
} 

writer.WriteEndElement(); 
writer.WriteEndDocument(); 
... 
//dispose all readers and writers

var readers = files.Select(x => XmlReader.Create(new StreamReader(x))).ToList();

XmlReader.Create("path/to/file.xml")

XmlReader.Create(new StreamReader("path/to/file.xml"))

它工作正常，在最后一个文件中，我有xml序言中的utf-8。但如果我创建这样的读者：

<?xml version="1.0" encoding="iso-8859-1"?> 
<root> 
    <person> 
    <!— some elements here —> 
    </person> 
    <person> 
    <!— some elements here —> 
    </person> 
</root>

var readers = files.Select(XmlReader.Create).ToList(); 
var writer = XmlWriter.Create("final.xml"); 
... 
writer.WriteStartDocument(); 
writer.WriteStartElement("root"); 

foreach (var reader in readers) 
{ 
    reader.MoveToContent(); 
    reader.Read(); 
    while (!reader.EOF) 
    { 
        string elementName = reader.Name; 
        if (elementName.Equals("person", StringComparison.OrdinalIgnoreCase)) 
        { 
            writer.WriteNode(reader, false); 
        } 
        else 
        { 
            reader.Read(); 
        } 
    } 
} 

writer.WriteEndElement(); 
writer.WriteEndDocument(); 
... 
//dispose all readers and writers

var readers = files.Select(x => XmlReader.Create(new StreamReader(x))).ToList();

XmlReader.Create("path/to/file.xml")

XmlReader.Create(new StreamReader("path/to/file.xml"))

---

我在xml序言中有相同的utf-8，但在最终文件中有损坏的数据。例如，我没有使用symbolå�. 我试图找出这个问题的原因，但没有结果。为什么会这样

当您像这样创建

XmlReader

时：

<?xml version="1.0" encoding="iso-8859-1"?> 
<root> 
    <person> 
    <!— some elements here —> 
    </person> 
    <person> 
    <!— some elements here —> 
    </person> 
</root>

var readers = files.Select(XmlReader.Create).ToList(); 
var writer = XmlWriter.Create("final.xml"); 
... 
writer.WriteStartDocument(); 
writer.WriteStartElement("root"); 

foreach (var reader in readers) 
{ 
    reader.MoveToContent(); 
    reader.Read(); 
    while (!reader.EOF) 
    { 
        string elementName = reader.Name; 
        if (elementName.Equals("person", StringComparison.OrdinalIgnoreCase)) 
        { 
            writer.WriteNode(reader, false); 
        } 
        else 
        { 
            reader.Read(); 
        } 
    } 
} 

writer.WriteEndElement(); 
writer.WriteEndDocument(); 
... 
//dispose all readers and writers

var readers = files.Select(x => XmlReader.Create(new StreamReader(x))).ToList();

XmlReader.Create("path/to/file.xml")

XmlReader.Create(new StreamReader("path/to/file.xml"))

然后，文件的编码将从XML声明中推断出来，因此

iso-8859-1

。这显然是正确的

---

当您像这样创建

XmlReader

时：

<?xml version="1.0" encoding="iso-8859-1"?> 
<root> 
    <person> 
    <!— some elements here —> 
    </person> 
    <person> 
    <!— some elements here —> 
    </person> 
</root>

var readers = files.Select(XmlReader.Create).ToList(); 
var writer = XmlWriter.Create("final.xml"); 
... 
writer.WriteStartDocument(); 
writer.WriteStartElement("root"); 

foreach (var reader in readers) 
{ 
    reader.MoveToContent(); 
    reader.Read(); 
    while (!reader.EOF) 
    { 
        string elementName = reader.Name; 
        if (elementName.Equals("person", StringComparison.OrdinalIgnoreCase)) 
        { 
            writer.WriteNode(reader, false); 
        } 
        else 
        { 
            reader.Read(); 
        } 
    } 
} 

writer.WriteEndElement(); 
writer.WriteEndDocument(); 
... 
//dispose all readers and writers

var readers = files.Select(x => XmlReader.Create(new StreamReader(x))).ToList();

XmlReader.Create("path/to/file.xml")

XmlReader.Create(new StreamReader("path/to/file.xml"))

您使用的重载接受

文本阅读器

。

TextReader

返回unicode，因此

XmlReader

不需要进行解码。结果是声明中指定的编码被完全忽略。这在以下章节中提到：

文本读取器返回Unicode字符流，因此XML读取器不使用XML声明中指定的编码来解码数据流

如果要这样做，需要为

StreamReader

指定正确的编码，因为它无法正确检测到：

new StreamReader("path/to/file.xml", Encoding.GetEncoding("iso-8859-1"));

---

AFAIK unicode是一个字符集，utf-8/iso-8859-1是编码。在这两种情况下都使用unicode吗？错误的编码是否意味着我从二进制数据中接收到错误的数字，并且最终使用unicode字符集将这些数字解释为错误？@mtkachenko您的文件（这是一个字节负载）被解码为字符串（unicode字符），然后在您再次将其写入文件时重新编码。解码是这里的问题所在，您得到的字符是错误的，因为您的

StreamReader

使用了错误的解码器（它将默认为UTF-8，因为没有其他BOM指示）。处理：字节->基于编码的数字->基于字符集的字符串。所以第二步是错误的，最后第三步也是错误的，对吗？这里的方法错误：字节->utf-8->unicode。好方法：字节->iso-8859-1->unicode（或unicode的子集）。是吗？@mtkachenko没有中间步骤，您只是从字节->字符串再返回。所有编码都是从unicode到unicode的，因为.NET中的所有字符串都是这样。是的，但是不同的编码可以对一个符号（数字）使用不同的字节数。