C# 尽管进行了编码，XML解析器还是会被困在特殊字符上

情况就是这样：

我正在从一个XMLAPI接收数据。这些数据有时包含一个特殊的撇号字符，这会导致解析器崩溃。只有从本地文件读取数据时，才会发生此崩溃。当我从流中读取数据时，没有崩溃，但是我也没有得到DOM树：它在没有通知我的情况下退出

下面，您将看到我们为使事情正常运行所做的尝试列表：

// Does not work
var web = new WebClient();
web.Encoding = Encoding.UTF8;
var response = web.DownloadString("http://thetvdb.com/api/apikey/series/" + show.TVDBID + "/");
var tree = XDocument.Parse(response);

// Works
var doc = new XmlDocument();
doc.Load("C:\\Test\\test.xml");
var response = doc.InnerXml;
var tree = XDocument.Parse(response);

// Works
var xmlDoc = XDocument.Parse(File.ReadAllText("c:\\Test\\test.xml", System.Text.Encoding.UTF8));
var xmlDoc = XDocument.Load("C:\\Test\\test.xml");
var tree = xmlDoc;

// Does not work
var web = new WebClient();
web.Encoding = Encoding.UTF8;
web.DownloadFile("http://thetvdb.com/api/apikey/series/" + show.TVDBID + "/", "C:\\test.xml");
var tree = XDocument.Load("C:\\test.xml");

// Does not work
var web = new WebClient();
web.Encoding = Encoding.UTF8;
var data = web.DownloadData("http://thetvdb.com/api/apikey/series/" + show.TVDBID + "/");
var response = Encoding.UTF8.GetString(data);
var tree = XDocument.Parse(response);

我根据某个对象是否到达循环第一行中的断点来确定它是否工作：

if (root != null) { 
     var lastupdate = root.Element("Series").Element("lastupdated").Value;

     foreach (var epi in tree.Descendants("Episode")) {
          var season = epi.Element("SeasonNumber").Value; // Breakpoint here
     }
}

当解析器遇到以下撇号时会发生崩溃：

当我用自己手动输入的撇号或

'

替换此字符时，不会再抛出错误，它会一直持续到下一个错误。 当我在firefox和chrome中查看API请求的源页面时，它告诉我编码是UTF-8，API wiki上的代码示例也在标题中显示UTF-8

到目前为止，我就在这里。有什么想法吗

我刚刚注意到，根据调试期间的XML/Text/HTML可视化工具，来自API查询的结果字符串只包含一个

标记，没有

标记。但是，当我在浏览器中执行相同的查询时，它会同时显示这两个查询。这可能吗？当我通过邮递员看它的时候，它显示了这些片段

更新：

当我使用Unicode作为编码时，我不会收到任何警告，并且我能够完全解析本地xml文件！我不是编码专家，使用Unicode有什么缺点吗

在数据流中使用unicode时，我会得到一堆亚洲字符。

试试看

var tree = XElement.Parse(response);
foreach(var epi in tree.Descendants("Episode"))
{
   ...
}

---

如果数据是根节点，并且没有隐藏的插曲，则可以用元素替换子体。

这与数据的编码有关。这允许您获取原始二进制文件（因此编码没有问题）

编辑根据您最近对Unicode的开发，我想说的是数据实际上是用UTF-16编码的。Unicode不是一种编码类型，它本质上只是一个编码字符集，即一组字符以及字符与表示它们的整数代码点之间的映射。“用Unicode编码”通常指UTF-16。不管怎样，很高兴你的问题解决了

'

是特定浏览器的html转义。使用

&apos
看起来你很可能被一款恼人的微软产品“聪明地引用”了，它将你所有的引号和撇号都改成了卷曲的，声称是ISO-8859-1/Latin-1，但实际上是Win-1252，缺少C0平面。如果是这样的话，只有Win-1252is编码将为您解析该文档。或者你可以把卷曲的apos换成普通的，一切都会好起来。
我已经找到了解决办法，这有点反气候。因为我的API字符串不完整，所以没有检索到这些片段：它应该以
/all/
结尾，但我一定是在某个地方忘记了它，并从此点开始复制。那是我最后一次找的地方

通过更改API调用，我现在可以检索所有剧集。
没有更多的编码错误（即使我没有对此做任何更改），现在它已经检索到4000集，所以我假设其余的也不会出现问题

有人把它变成了一个社区维基：我不确定这种状态是否仍然有效，因为这是一个本地化的问题。不过，我从这些对话中学到了很多关于XML/API的知识，感谢大家
 您如何实例化
树
变量？@BenReich:我已经用代码编辑了我的帖子。@如果您将XML结构/数据发布到代码标记中，而不是人们可以用来制作自己的样本以帮助您的图像中，Jeroenvanevel会更有用。@Prix:我添加了一个指向XML代码的链接。您发布到pastebin的XML是缺少结束标记。
子体
返回一个
IEnumerable
集合-如何将其转换为通用列表？这是一个不必要的步骤。@Tim这取决于OP在循环中执行的操作，例如删除元素。我已经尝试过了，但没有什么不同。循环的代码可以在OP中的edit 4中找到。它所做的只是检索值，创建一个匿名对象，并用此调用存储库。仅读取DOM上的操作。@Tim也可以，如果他正在设置一个断点，但没有.ToList（），它可能永远不会执行，因为枚举的延迟执行。@ChuckSavage-我能够在没有.ToList（）的情况下使断点工作。我希望for each循环枚举可枚举项，尽管我可能错了。比如什么？XML是一个API响应，我无法控制它。当我使用本地文件并在顶部添加这一行时，它仍然不起作用。utf-8不是编码。然后，用浏览器打开XML，转到菜单上的“查看”，然后转到“文本编码”或“字符编码”，查看勾选的内容。同时，如果这不起作用，试着用'；看看它是否有效。我应该在哪里检查文本编码？我使用了
查看源代码
，它显示了我在上面键入的编码。我已经按照你的建议做了，并且替换工作正常：错误被抛出到行中的下一个字符。我用n++打开了xml文件，将编码设置为UTF-8，它会在错误重音应该出现的地方显示编码错误（
x92
）。这是因为API没有用UTF-8编码文件，如果没有指定编码，大多数解析器默认使用UTF-8（这是您的情况）。理想情况下，您最好了解API使用的编码是什么，以便可以将其添加到文件的顶部。我的建议是：不在顶部添加行，用浏览器打开XML。眉头
WebClient myWebClient = new WebClient();
byte[] data = myWebClient.DownloadData(uri);

string xmlContents = Encoding.UTF8.GetString(data);