模切字符-来自XML的磅符号

我正在尝试从XML提要中提取符号完整版本在这里>

这里有一个迷你版>

我无法控制提要的源或源服务器，也无法控制提要的格式、它们使用的头等等

我只需要构建一个.NET4.5控制台应用程序，它将提取数据并将其保存在我们自己的站点数据库中

此外，我还必须从工作描述中删除所有HTML，删除任何HTML编码的字符，并用它们的真实值替换它们

因此，我需要在MS SQL 2008数据库中保存nvarchar数据类型中的实际符号，而不是20000英镑或20000英镑等

查看提要源时，其顶部有UTF-8

但是，在浏览器源中查看提要时，我没有看到任何提及UTF-8作为请求/响应头的内容，在请求头中，我只看到：

接受语言：英语GB，英语US；q=0.8，en；q=0.6

当我将浏览器或控制台中的字符复制粘贴到SQL中并检查它们时，它们返回163，这是正确的ASCII字符编码，例如：

如果您在浏览器中查看提要，则磅符号显示良好

当我通过管道将内容发送到Windows命令控制台时，它们会显示为符号

但是，当我尝试将它们保存到DB或将控制台调试输出到EditPlus中的文件，并将字符编码设置为UTF8或ASCII时，我只会在数字前面得到正方形，而不是符号，例如CMD

[指向.exe的路径]>[指向debug.log文件的路径]

要么控制台无法通过管道将内容正确地传递到编辑器，要么我需要使用正确的编码，或者传递更多的标题，或者以不同的方式提取XML

下面是一个我用来测试的代码示例，只使用一个使用符号的字段，然后中断

static void Main(string[] args)
{           

    Console.WriteLine("START");

    XmlDocument xDoc = new XmlDocument();
    string feedURL = "http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml";

    WebClient webClient = new WebClient();
    // need to pass a user-agent > 10 Chars to prevent blocking by OUR servers 403
    webClient.Headers.Add("user-agent", "Mozilla/5.0 (compatible; Job Feed Importer;)");

    // piping out to console with this line below shows a £ but to a UTF-8 or ASCII file it's gibberish
    webClient.Headers.Add("Content-Type", "application/xml; charset=utf-8");

    // I tried this but still the console works but piping to an editor in UTF-8 or ASCII shows squares
    webClient.Headers.Add("Accept-Language", "utf-8,en-GB,en-US;q=0.8,en;q=0.6");

    // download as text - is this the problem? Should I be using a different method
    string feedText = webClient.DownloadString(feedURL);

    // load into XML object
    xDoc.LoadXml(feedText);

    if (xDoc != null)
    {
        XmlElement root = xDoc.DocumentElement;
        XmlNodeList xNodelst = root.SelectNodes("job");
        foreach (XmlNode node in xNodelst)
        {
            string salary = node.SelectSingleNode("candidateSalary").InnerText;

            // piped to cmd console the £ signs show but to a UTF-8 file they are just squares
            // I've tried adding the Encoding.UTF8 or Encoding.ASCII still no joy
            // Console.WriteLine("candidateSalary = " + salary,Encoding.UTF8);
            Console.WriteLine("candidateSalary = " + salary);

            break;
        }
    }

    Console.WriteLine("FINISH");
}

任何帮助都将不胜感激

我确信这只是我需要传递的一个标题，或者可能是将XML内容输出到编辑器的问题

正如我之前所说，在Windows控制台中查看输出时，屏幕显示良好

---

谢谢

我希望此命令的输出不是UTF-8：

Console.WriteLine(Console.OutputEncoding);

这里有两种转码操作：

UTF-8 > UTF-16 string > console encoding

描述了检测XML文档编码的正确方法。XmlDocument将为您完成此操作

控制台编码可以设置为UTF-8，也可以将编码的字节序列化为直接

Console.OutputEncoding = System.Text.Encoding.UTF8;
XmlDocument xDoc = new XmlDocument();
string feedURL = "http://scotjobsnet.co.uk.ni.strategiesuk.net/testfeed.xml";
WebClient client = new WebClient();
client.Headers.Add("user-agent", "Mozilla/5.0 (compatible; Job Feed Importer;)");
byte[] feed = client.DownloadData(feedURL);
xDoc.Load(new MemoryStream(feed));
if (xDoc != null)
{
  XmlElement root = xDoc.DocumentElement;
  XmlNodeList xNodelst = root.SelectNodes("job");
  foreach (XmlNode node in xNodelst)
  {
    string salary = node.SelectSingleNode("candidateSalary").InnerText;
    Console.WriteLine("candidateSalary = " + salary);
    break;
  }
}

---

更多关于cmd.exe和Unicode的信息。

一些示例应该显示&163；等等，但是stackoverflow显然显示了编码字符，因为它在editor中不是双重编码的。注意application/xml是一种二进制MIME类型，您应该让一个xml解析器。不要信任cmd.exe。默认编码是20世纪80年代的旧DOS OEM代码页，默认的Windows字符编码通常是ANSI，也已过时。Console.WriteLine可能正在对字符串进行转码，这些字符串始终是UTF-16！到一些非UTF-8编码。另请参见CHCP命令。最后，£不在ASCII范围内。我只是将字符串替换为&163；然后将字符串放入XMLDocument中。然后将其装回插入件。那么你不是说我应该在某个地方传递额外的头或编码吗？这段代码使控制台在控制台中显示某种土耳其语/阿拉伯语字符，而不是磅符号，但在保存为UTF8的调试文件中，它现在确实显示磅符号。所以我想这就是我需要的。谢谢你的说法，只是将URL xDoc.Loadurl或字符串传递到xDoc.LoadXMLstring中不会处理编码？但是如果我使用一个内存流并向其中加载一个字节数组，那么它会检测到正确的编码吗？加载XML的许多其他答案与您展示的不同，它们使用WebClient.DownloadStringurl获取字符串，然后直接将其传递到XmlDocument对象，或者只将url传递到其中。我认为这是确保传递正确编码的正确方法>，如果在cmd.exe中键入CHCP，您可能会得到或类似的结果。在CP850中，是字节值9C。在UTF-8中，它是序列C2 A3。当cmd.exe将此UTF-8视为CP850时，它将打印┬ú. 如果控制台将字节解释为其他编码，您将得到不同的损坏。关于XML编码，使用带有URL的XmlDocument.Load是安全的。使用WebClient.DownloadString可能不安全。作为：下载资源后，该方法使用encoding属性中指定的编码将资源转换为字符串。这需要匹配文档编码。